recharts 詞云圖

一、參數(shù)說明

echartr(data, x, y, <t>, <type>)
參數(shù)說明

二系宜、數(shù)據(jù)準備

從百度熱詞榜獲取熱詞照激,并解析為數(shù)據(jù)框,包含熱詞和頻數(shù)盹牧。
為此構建一個函數(shù)getBaiduHot俩垃,解析百度熱詞趨勢 網(wǎng)頁。

getBaiduHot <- function(url, top=30, HTMLencoding=NULL){
  baiduhot <- paste0(readLines(url), collapse="")
  charset <- gsub('^.+charset=([[:alnum:]-]+?)[^[:alnum:]-].+$', "\\1", 
                  baiduhot)
  if (is.null(HTMLencoding)) if (!is.null(charset)) HTMLencoding <- charset
  baiduhot <- stringr::str_conv(baiduhot, HTMLencoding)
  hotword <- gsub(".+?<a class=\"list-title\"[^>]+?>([^<>]+?)</a>.+?<span class=\"icon-(rise|fair|fall)\">(\\d+?)</span>.+?","\\1\t\\3\t\\2\t", baiduhot)
  hotword <- enc2native(gsub("^(.+?)\t{4,}.+$","\\1", hotword))
  hotword <- t(matrix(unlist(strsplit(hotword,"\t")), nrow=3))
  hotword <- as.data.frame(hotword, stringsAsFactors=FALSE)
  names(hotword) <- c("Keyword", "Freq", "Trend")
  hotword$Freq <- as.numeric(hotword$Freq)
  hotword <- hotword[order(hotword$Freq, decreasing=TRUE),]
  return(hotword[1:top,])
}
hotword <- getBaiduHot("http://top.baidu.com/buzz?b=1", HTMLencoding='GBK')
knitr::kable(hotword)

三欢策、圖表展現(xiàn)

echartr(hotword,Keyword,Freq,type = 'wordCloud')
詞云圖

四吆寨、帶時間軸的圖表

  1. 數(shù)據(jù)處理
    比較實時赏淌、今日和七日熱詞趨勢踩寇。
    首先,獲取今日和七日兩個榜單的網(wǎng)頁并轉(zhuǎn)為數(shù)據(jù)框六水,合并俺孙。
hotword$t <- 'Realtime'
hotword1 <- getBaiduHot("http://top.baidu.com/buzz?b=341&fr=topbuzz_b1", 
                        HTMLencoding = 'GBK')
hotword1$t <- 'Today'
hotword2 <- getBaiduHot("http://top.baidu.com/buzz?b=42&c=513&fr=topbuzz_b341",
                        HTMLencoding = 'GBK')
hotword2$t <- '7-days'
hotword <- do.call('rbind', list(hotword, hotword1, hotword2))
hotword$t <- factor(hotword$t, levels=c('Realtime', 'Today', '7-days'))
  1. 圖表展現(xiàn)
echartr(hotword, Keyword, Freq, t=t, type='wordCloud')
詞云圖

更多功能請戳官方鏈接:madlogos.github.io/recharts/Basic_Plots_01_Scatterplot_cn.html#-en

最后編輯于
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市掷贾,隨后出現(xiàn)的幾起案子睛榄,更是在濱河造成了極大的恐慌,老刑警劉巖想帅,帶你破解...
    沈念sama閱讀 217,185評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件场靴,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機旨剥,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,652評論 3 393
  • 文/潘曉璐 我一進店門咧欣,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人轨帜,你說我怎么就攤上這事魄咕。” “怎么了蚌父?”我有些...
    開封第一講書人閱讀 163,524評論 0 353
  • 文/不壞的土叔 我叫張陵哮兰,是天一觀的道長。 經(jīng)常有香客問我苟弛,道長喝滞,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,339評論 1 293
  • 正文 為了忘掉前任膏秫,我火速辦了婚禮囤躁,結果婚禮上,老公的妹妹穿的比我還像新娘荔睹。我一直安慰自己狸演,他們只是感情好,可當我...
    茶點故事閱讀 67,387評論 6 391
  • 文/花漫 我一把揭開白布僻他。 她就那樣靜靜地躺著宵距,像睡著了一般。 火紅的嫁衣襯著肌膚如雪吨拗。 梳的紋絲不亂的頭發(fā)上满哪,一...
    開封第一講書人閱讀 51,287評論 1 301
  • 那天,我揣著相機與錄音劝篷,去河邊找鬼哨鸭。 笑死,一個胖子當著我的面吹牛娇妓,可吹牛的內(nèi)容都是我干的像鸡。 我是一名探鬼主播,決...
    沈念sama閱讀 40,130評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼哈恰,長吁一口氣:“原來是場噩夢啊……” “哼只估!你這毒婦竟也來了?” 一聲冷哼從身側響起着绷,我...
    開封第一講書人閱讀 38,985評論 0 275
  • 序言:老撾萬榮一對情侶失蹤蛔钙,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后荠医,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體吁脱,經(jīng)...
    沈念sama閱讀 45,420評論 1 313
  • 正文 獨居荒郊野嶺守林人離奇死亡桑涎,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,617評論 3 334
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了兼贡。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片石洗。...
    茶點故事閱讀 39,779評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖紧显,靈堂內(nèi)的尸體忽然破棺而出讲衫,到底是詐尸還是另有隱情,我是刑警寧澤孵班,帶...
    沈念sama閱讀 35,477評論 5 345
  • 正文 年R本政府宣布涉兽,位于F島的核電站,受9級特大地震影響篙程,放射性物質(zhì)發(fā)生泄漏枷畏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,088評論 3 328
  • 文/蒙蒙 一虱饿、第九天 我趴在偏房一處隱蔽的房頂上張望拥诡。 院中可真熱鬧,春花似錦氮发、人聲如沸渴肉。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,716評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽仇祭。三九已至,卻和暖如春颈畸,著一層夾襖步出監(jiān)牢的瞬間乌奇,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,857評論 1 269
  • 我被黑心中介騙來泰國打工眯娱, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留礁苗,地道東北人。 一個月前我還...
    沈念sama閱讀 47,876評論 2 370
  • 正文 我出身青樓徙缴,卻偏偏與公主長得像试伙,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子娜搂,可洞房花燭夜當晚...
    茶點故事閱讀 44,700評論 2 354

推薦閱讀更多精彩內(nèi)容