基于R語言的文本數(shù)據(jù)可視化分析教學(xué)

【摘要】數(shù)據(jù)的可視化作為一種最新的統(tǒng)計(jì)數(shù)據(jù)分析方法已經(jīng)廣泛運(yùn)用在各個(gè)領(lǐng)域中，大數(shù)據(jù)時(shí)代背景下作為非統(tǒng)計(jì)專業(yè)本科學(xué)生，掌握一門統(tǒng)計(jì)分析軟件是必要的。而利用統(tǒng)計(jì)軟件進(jìn)行可視化分析又是一項(xiàng)極為重要的必備技能。文章以R語言為基礎(chǔ)，對(duì)近2020年國家政府工作報(bào)告進(jìn)行可視化分析，以期激發(fā)學(xué)生對(duì)于統(tǒng)計(jì)數(shù)據(jù)分析的興趣。

【關(guān)鍵詞】R語言;可視化;政府工作報(bào)告;統(tǒng)計(jì)教學(xué)

1軟件介紹

R軟件本質(zhì)上是一種語言，即R語言，它是在S語言的一個(gè)分支，早在上世紀(jì)80年代左右被人們所開發(fā)并使用，如今是統(tǒng)計(jì)領(lǐng)域使用極為廣泛的一種數(shù)據(jù)分析工具。它在數(shù)據(jù)探索、統(tǒng)計(jì)分析和統(tǒng)計(jì)作圖上面具有獨(dú)特的優(yōu)勢，屬于一種解釋型語言。R整體上是一套集數(shù)據(jù)處理、運(yùn)算、制圖為一體的軟件系統(tǒng)。其對(duì)于數(shù)組的運(yùn)算功能尤其強(qiáng)大，所以R又可以視為一種數(shù)學(xué)計(jì)算的環(huán)境。R不僅有完整連貫的分析工具包和豐富即時(shí)的制圖包，它的編程語言還十分簡便且強(qiáng)大，用戶可以對(duì)數(shù)據(jù)進(jìn)行輸入輸出的雙向操縱、分支、循環(huán)以及自定義功能。R語言的主題思想就是給用戶提供集成化的統(tǒng)計(jì)工具，海量的數(shù)學(xué)計(jì)算、統(tǒng)計(jì)計(jì)算函數(shù)，用戶可以靈活機(jī)動(dòng)進(jìn)行數(shù)據(jù)分析，更甚者可以根據(jù)需求創(chuàng)造新的統(tǒng)計(jì)計(jì)算方法并與所有使用者共享。

R能夠被廣泛使用還得益于其使用上的免費(fèi)和8個(gè)基礎(chǔ)模塊之外的CRAN板塊，CRAN已經(jīng)收錄了超4000個(gè)各類包，可用于經(jīng)濟(jì)計(jì)量、財(cái)經(jīng)分析、人文科學(xué)研究以及人工智能等諸多領(lǐng)域。

2文本數(shù)據(jù)可視化分析工具——詞云

“詞云”這個(gè)概念由美國西北大學(xué)新聞學(xué)副教授、新媒體專業(yè)主任里奇·戈登（Rich Gordon）提出?！霸~云”就是通過形成“關(guān)鍵詞云層”或“關(guān)鍵詞渲染”，對(duì)文本文件中出現(xiàn)頻率較高的“關(guān)鍵詞”的視覺上的突出。使用的R制作詞云主要包含：文本數(shù)據(jù)獲取、數(shù)據(jù)分詞處理、制圖三個(gè)部分。

3教學(xué)案例展示

第1步：文本數(shù)據(jù)獲取

將文本數(shù)據(jù)保存為txt格式存儲(chǔ)，采用scan（ ）函數(shù)進(jìn)行文本數(shù)據(jù)的獲取，代碼如下：

f<-scan（‘C：＼＼＼＼Users＼＼＼＼Administrator.PC-20190315DIEF＼＼＼＼Desktop＼＼＼＼2020政府工作報(bào)告全文.txt，sep=‘＼＼n，what=‘，encoding=“GBK”）#讀取存儲(chǔ)于桌面的文件

第2步：數(shù)據(jù)分詞與統(tǒng)計(jì)詞頻

seg <- qseg[f] #使用qseg類型分詞，并把結(jié)果保存到對(duì)象seg中

seg <- seg[nchar（seg）>1]#去除字符長度小于2的詞語

seg <- table（seg）#統(tǒng)計(jì)詞頻

seg <- seg[！grepl（‘[0-9]+，names（seg））]#去除數(shù)字

seg <- seg[！grepl（‘a(chǎn)-zA-Z，names（seg））]#去除字母

length（seg）#查看處理完后剩余的詞數(shù)

seg <- sort（seg，decreasing=TRUE）[1∶200]#降序排序，并提取出現(xiàn)次數(shù)最多的前200個(gè)詞語

seg #查看200個(gè)詞頻最高的

第3步：制圖

通過data.frame（ ）函數(shù)將進(jìn)行分詞和統(tǒng)計(jì)詞頻后的文本數(shù)據(jù)保存為新的系統(tǒng)文件，然后利用wordcloud2函數(shù)進(jìn)行詞云制作，代碼如下：

data=data.frame（seg）

library（wordcloud2）

wordcloud2（data，size=1，minSize=0，gridSize=0，fontFamily=‘Segoe UI，fontWeight=‘bold，color=‘random-dark，backgroundColor=“white”，minRotation=-pi/4，maxRotation=pi/4，shuffle=TRUE，rotateRatio=0.4，shape=‘circle，ellipticity=0.65，widgetsize=NULL，figPath=NULL，hoverFunction=NULL）

主要參數(shù)講解：

data：需要繪制的文本數(shù)據(jù);size：字體大小，默認(rèn)為1;fontFamily：字體;color：字體顏色;backgroundColor：背景的顏色;;shape：繪制“云”的形狀。最終得到“詞云”如圖1。

4總結(jié)

統(tǒng)計(jì)學(xué)的理論基礎(chǔ)是數(shù)學(xué)，分析基礎(chǔ)是“數(shù)據(jù)”。如今“大數(shù)據(jù)”時(shí)代飛速發(fā)展，每秒鐘都在產(chǎn)生海量的數(shù)據(jù)，利用好這些數(shù)據(jù)是尤為重要的，通過一個(gè)簡單的文本數(shù)據(jù)可視化例子帶領(lǐng)學(xué)生脫離“死記硬背”統(tǒng)計(jì)學(xué)中的概念、公式的漩渦，提高學(xué)生的動(dòng)手欲望，養(yǎng)成大膽嘗試，用于探索數(shù)據(jù)，讓數(shù)據(jù)“說話”的統(tǒng)計(jì)學(xué)學(xué)習(xí)理念。與此同時(shí)，熟練掌握一門統(tǒng)計(jì)分析軟件尤為重要。作為一名非統(tǒng)計(jì)專業(yè)的學(xué)生學(xué)習(xí)統(tǒng)計(jì)學(xué)最重要的一個(gè)目標(biāo)就是：能夠?qū)?shù)據(jù)分析結(jié)果呈現(xiàn)出來，并且結(jié)合相關(guān)專業(yè)領(lǐng)域進(jìn)行結(jié)果的解釋。

參考文獻(xiàn)：

[1]中國政府網(wǎng).2020年政府工作報(bào)告全文[A/OL].http：//china.findlaw.cn/fagui/p-1/39934.html.

[2]張杰.R語言數(shù)據(jù)可視化之美[M].北京：電子工業(yè)出版社，2019.

作者簡介：

楊杰（1991-），男，四川眉山人，碩士研究生，初級(jí)統(tǒng)計(jì)師，研究方向：應(yīng)用統(tǒng)計(jì)分析。