我分析了《用商業(yè)案例學(xué)R語言數(shù)據(jù)挖掘》書評(píng)，告訴你R有多火

商業(yè)智能時(shí)代已經(jīng)全面到來，分析型人才的崗位數(shù)量在就業(yè)市場(chǎng)中呈現(xiàn)井噴式的增長(zhǎng)。無論從事產(chǎn)品研發(fā)的工程師，還是從事產(chǎn)品推廣的市場(chǎng)人員、人力資源的財(cái)務(wù)會(huì)計(jì)人員，都需要掌握數(shù)據(jù)分析技術(shù)，否則很有可能被人工智能時(shí)代替代。

“工欲善其事，必先利其器”。當(dāng)前，R和Python等開源軟件方興未艾，但是這類軟件學(xué)習(xí)曲線緩慢，使很多初學(xué)者的熱情在進(jìn)入數(shù)據(jù)分析的核心領(lǐng)域之前就消失殆盡。而商業(yè)數(shù)據(jù)分析的真正目的是為了解決業(yè)務(wù)分析需求，構(gòu)建穩(wěn)健的數(shù)據(jù)挖掘模型。因此能否以案例的形式帶領(lǐng)我們快讀進(jìn)入數(shù)據(jù)分析和編程領(lǐng)域領(lǐng)域的資源顯得尤為珍貴。

CDA數(shù)據(jù)分析研究院2017年出版了首本R數(shù)據(jù)挖掘教材，為了告訴你R語言和數(shù)據(jù)分析有多火，用數(shù)據(jù)說話，我爬取了京東商城《用商業(yè)案例學(xué)R語言數(shù)據(jù)挖掘》書評(píng)，來告訴你…..

從京東的1400+評(píng)論從看到，好評(píng)1400+，中評(píng)10+，差評(píng)8。好評(píng)率98%。

以下是從京東商城爬取到的部分?jǐn)?shù)據(jù)，共有674條記錄，存入到excel文件下，。

首先，使用Rwordseg進(jìn)行中文分詞

我們知道，中文自然語言處理領(lǐng)域最基礎(chǔ)的技術(shù)是分詞?；A(chǔ)是因?yàn)椋娝苤?，英文是以詞為單位的，詞和詞之間是靠空格隔開，而中文是以字為單位，句子中所有的字連起來才能描述一個(gè)意思。對(duì)于中文的語言處理，首先要把詞語進(jìn)行切分，才能進(jìn)行更深層次的語言處理。

中文分詞比較有名的包非Rwordseg和jieba莫屬，他們采用的算法大同小異，這里用Rwordseg來做簡(jiǎn)單演示。

1. 設(shè)置工作目錄并讀取數(shù)據(jù) 

2. 加載所需包，這里使用Rwordseg包進(jìn)行中文分詞

比如我們使用Rwordseg包對(duì)第一行進(jìn)行分詞

3. 導(dǎo)入搜狗詞庫(kù)（機(jī)器原始分詞總有不如意的地方，因此需要添加詞、詞庫(kù)來做參照） 

4. 對(duì)所有評(píng)論信息進(jìn)行進(jìn)行分詞并計(jì)算各個(gè)詞匯出現(xiàn)的頻次，按照詞頻排序

看一下前十名的有效評(píng)論：

5. 構(gòu)造詞匯和詞頻的數(shù)據(jù)框

然后，我們使用Wordcloud2進(jìn)行詞云展示

Wordcloud2被譽(yù)為是可能是目前最好的詞云解決方案，調(diào)用一個(gè) JS 的庫(kù) (wordcloud2.js) 實(shí)現(xiàn) wordcloud。有效的利用詞與詞的間隔來插入數(shù)據(jù)，更可以根據(jù)圖片或者文字來繪制定制化的詞云。如果你沒有安裝過，可以執(zhí)行install.packages('wordcloud2')進(jìn)行簡(jiǎn)單的安裝。

1. 加載包

2. 繪制詞云圖

效果如下：

如果你想換個(gè)圖形，比如想畫個(gè)星星，那么

還可以根據(jù)圖片或者文字制作定制化詞云，比如畫個(gè)小猴子：

關(guān)于詞云圖，大小代表詞匯出現(xiàn)的頻率，所以我們可以看出，通過關(guān)鍵詞不錯(cuò)、好、專業(yè)、易懂、推薦、必備、清晰等詞可以看出本書的評(píng)價(jià)還是不錯(cuò)的，是一本值得學(xué)習(xí)的書籍。另外的一類詞京東、速度、快、正版、包裝等多是評(píng)論京東物流和圖書質(zhì)量。

后續(xù)：本篇文章只是作為一個(gè)趣味性的了解，里面的技術(shù)細(xì)節(jié)也沒有深究，比如去停用詞、文本分類等。實(shí)際上文本數(shù)據(jù)作為非結(jié)構(gòu)化數(shù)據(jù)而言，可以經(jīng)過處理后變成結(jié)構(gòu)化數(shù)據(jù)，通過數(shù)據(jù)挖掘模型發(fā)掘更有趣的知識(shí)發(fā)現(xiàn)。

最后打波小廣告，如果你對(duì)R語言數(shù)據(jù)分析感興趣，歡迎參加CDA-R語言專題課程，學(xué)習(xí)數(shù)據(jù)分析技能，成為優(yōu)秀的R語言數(shù)據(jù)分析專家。