MeCab 及び 辞書をインストール
# Macの場合 brew install mecab brew install mecab-ipadic
# Mac、Linux の場合 > install.packages("RMeCab", repos = "http://rmecab.jp/R", type = "source")
> library(RMeCab) > ans <- unlist(RMeCabC("RMeCabで簡単な文章を解析する")) > ans 名詞 助詞 名詞 助動詞 名詞 助詞 名詞 動詞 "RMeCab" "で" "簡単" "な" "文章" "を" "解析" "する"
名詞だけを抽出してみる
> library(RMeCab) > ans <- unlist(RMeCabC("RMeCabで簡単な文章を解析する")) > ans[names(ans)=="名詞"] 名詞 名詞 名詞 名詞 "RMeCab" "簡単" "文章" "解析"
> library(RMeCab) > ans<-RMeCabText('/path/to/R_test.txt') file = /path/to/R_test.txt > head(ans, 5) [[1]] [1] "RMeCab" "名詞" "一般" "*" "*" "*" "*" "*" "" "" [[2]] [1] "で" "助詞" "格助詞" "一般" "*" "*" "*" "で" "デ" "デ" [[3]] [1] "簡単" "名詞" "形容動詞語幹" "*" "*" "*" "*" [8] "簡単" "カンタン" "カンタン" [[4]] [1] "な" "助動詞" "*" "*" "*" "特殊・ダ" "体言接続" "だ" "ナ" "ナ" [[5]] [1] "文章" "名詞" "一般" "*" "*" "*" "*" "文章" [9] "ブンショウ" "ブンショー"
install.packages("wordcloud", dependencies=T)
library(wordcloud) result <- unlist(RMeCabC("........................")) wordcloud(result, min.freq=2, random.order=F)
ファイルから文章を読み込んで名詞の出現頻度を調べてみる。
※ファイルは wikipediaのR言語の説明をそのままコピペして作成した。
> all_text<-"" > texts = readLines("/path/to/R_wiki.txt") > tmp<-lapply(texts, function(x){ all_text<<-paste(all_text, x); return (x)}) > > ans<-RMeCabC(all_text) > ans_vec<-unlist(ans) > ans_noun<-ans_vec[names(ans_vec)=="名詞"] > ans_table<-table(ans_noun) > ans_sort_table<-sort(ans_table, decreasing = T) > head(ans_sort_table, 10) 関数 R データ ベクトル こと 2 . 1 言語 ( 81 76 68 47 46 41 40 40 40 38
結果でデータフレームが得られる為、使い勝手が良さそう。
ただ結果が若干 RMeCabC の場合と異なる。(RMeCabCのサンプルのテキストの繋げ方が悪いのか、他の理由なのかは不明だが..)
> # データ読み込み(結果はデータフレーム) > result<-RMeCabFreq("/path/toR_wiki.txt") file = /path/to/R_wiki.txt length = 1294 > # 名詞のみ抽出 > resul_noun<-result[result$Info1=="名詞",] > # ソート出現数の降順でソートした添字番号のリストを取得 > sort_list<-order(resul_noun$Freq, decreasing=T) > # 取得した添字番号を条件にしてTOP10件を取得 > head(resul_noun[sort_list,], 10) Term Info1 Info2 Freq 944 関数 名詞 一般 81 654 データ 名詞 一般 68 679 ベクトル 名詞 一般 47 1204 こと 名詞 非自立 46 1016 R 名詞 固有名詞 42 1180 2 名詞 数 41 243 . 名詞 サ変接続 40 918 言語 名詞 一般 40 1174 1 名詞 数 40 229 ( 名詞 サ変接続 38
dplyrのインストール
install.packages("dplyr")
コード例
> # dplyrの読み込み > library(dplyr) > # データ読み込み(結果は配列のリスト) > result<-RMeCabText("/path/to/R_wiki.txt") file = /path/to/R_wiki.txt > # ベクトル化 > result_v<-unlist(result) > # 行列に変換 > result_table<-matrix(result_v, ncol=10, byrow=T) > # 名詞のみを抽出 > resul_noun<-result_table[result_table[,2]=="名詞",] > colnames(resul_noun) <- c("Term","col2","col3","col4","col5","col6","col7","col8","col9","col10") > # 集計(名詞毎にグループ化) > result_groups <- data.frame(resul_noun) %>% dplyr::group_by(Term) %>% dplyr::summarise(Freq = n()) > # ソート出現数の降順でソートした添字番号のリストを取得 > sort_list<-order(result_groups$Freq, decreasing=T) > # 取得した添字番号を条件にしてTOP10件を取得 > head(result_groups[sort_list,], 10) # A tibble: 10 x 2 Term Freq1 関数 81 2 R 76 3 データ 68 4 ベクトル 47 5 こと 46 6 2 41 7 . 40 8 1 40 9 言語 40 10 ( 38