Следующий код отлично работает при написании ноутбука ipython, оснащенного ядром R. К сожалению, экспорт в html не удается для второй гистограммы (как со встроенной опцией jupyter, так и с ручным использованием nbconvert).
library(NLP)
library(tm)
# here I used the EBook of Ulysses, by James Joyce, but any text file can fit
# the text is available here: https://www.gutenberg.org/cache/epub/4300/pg4300.txt
book <- readLines("pg4300.txt", encoding="UTF-8")
corpus <- Corpus(VectorSource(book))
corpus <- tm_map(corpus, content_transformer(tolower))
corpus <- tm_map(corpus, removeNumbers)
corpus <- tm_map(corpus, removePunctuation)
dtm <- TermDocumentMatrix(corpus)
m <- as.matrix(dtm)
freq <- rowSums(m)
freq.sorted <- sort(freq, decreasing=TRUE)
# first barplot with stop words (ok for both notebook and export)
barplot(freq.sorted[1:50], xlab="Word", ylab="Frequency", las=2)
corpus.sw <- tm_map(corpus, removeWords, stopwords('english'))
dtm.sw <- TermDocumentMatrix(corpus.sw)
m.sw <- as.matrix(dtm.sw)
freq.sw <- rowSums(m.sw)
freq.sw.sorted <- sort(freq.sw, decreasing=TRUE)
# second barplot without stop words (ok on ipython notebook but fail when exporting)
barplot(freq.sw.sorted[1:50], xlab="Word", ylab="Frequency", las=2)
Что действительно странно, так это то, что первая гистограмма экспортируется хорошо, а вторая нет, тогда как процесс точно такой же (показ 50 верхних слов).
Вот моя конфигурация:
- macosx 10.11.2 Эль-Капитан
- Юпитер 4.0.6
- ипитон 4.0.1
- Р версия 3.2.2
Спасибо,
Жюльен
