我分析了《用商業案例學R語言數據挖掘》書評，告訴你R有多火

商業智能時代已經全面到來，分析型人才的崗位數量在就業市場中呈現井噴式的增長。無論從事產品研發的工程師，還是從事產品推廣的市場人員、人力資源的財務會計人員，都需要掌握數據分析技術，否則很有可能被人工智能時代替代。

“工欲善其事，必先利其器”。當前，R和Python等開源軟件方興未艾，但是這類軟件學習曲線緩慢，使很多初學者的熱情在進入數據分析的核心領域之前就消失殆盡。而商業數據分析的真正目的是為了解決業務分析需求，構建穩健的數據挖掘模型。因此能否以案例的形式帶領我們快讀進入數據分析和編程領域領域的資源顯得尤為珍貴。

CDA數據分析研究院2017年出版了首本R數據挖掘教材，為了告訴你R語言和數據分析有多火，用數據說話，我爬取了京東商城《用商業案例學R語言數據挖掘》書評，來告訴你…..

從京東的1400+評論從看到，好評1400+，中評10+，差評8。好評率98%。

以下是從京東商城爬取到的部分數據，共有674條記錄，存入到excel文件下，。

首先，使用Rwordseg進行中文分詞

我們知道，中文自然語言處理領域最基礎的技術是分詞?；A是因為，眾所周知，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意思。對于中文的語言處理，首先要把詞語進行切分，才能進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來做簡單演示。

1. 設置工作目錄并讀取數據 

2. 加載所需包，這里使用Rwordseg包進行中文分詞

比如我們使用Rwordseg包對第一行進行分詞

3. 導入搜狗詞庫（機器原始分詞總有不如意的地方，因此需要添加詞、詞庫來做參照） 

4. 對所有評論信息進行進行分詞并計算各個詞匯出現的頻次，按照詞頻排序

看一下前十名的有效評論：

5. 構造詞匯和詞頻的數據框

然后，我們使用Wordcloud2進行詞云展示

Wordcloud2被譽為是可能是目前最好的詞云解決方案，調用一個 JS 的庫 (wordcloud2.js) 實現 wordcloud。有效的利用詞與詞的間隔來插入數據，更可以根據圖片或者文字來繪制定制化的詞云。如果你沒有安裝過，可以執行install.packages('wordcloud2')進行簡單的安裝。

1. 加載包

2. 繪制詞云圖

效果如下：

如果你想換個圖形，比如想畫個星星，那么

還可以根據圖片或者文字制作定制化詞云，比如畫個小猴子：

關于詞云圖，大小代表詞匯出現的頻率，所以我們可以看出，通過關鍵詞不錯、好、專業、易懂、推薦、必備、清晰等詞可以看出本書的評價還是不錯的，是一本值得學習的書籍。另外的一類詞京東、速度、快、正版、包裝等多是評論京東物流和圖書質量。

后續：本篇文章只是作為一個趣味性的了解，里面的技術細節也沒有深究，比如去停用詞、文本分類等。實際上文本數據作為非結構化數據而言，可以經過處理后變成結構化數據，通過數據挖掘模型發掘更有趣的知識發現。

最后打波小廣告，如果你對R語言數據分析感興趣，歡迎參加CDA-R語言專題課程，學習數據分析技能，成為優秀的R語言數據分析專家。