Hola, Bueno, pues parece que finalmente te salió... Si ahora lo que quieres es trabajar sobre 10 informes/ficheros diferentes pero de forma individual, pues casi es más fácil que lo anterior.
Prueba a hacerlo con uno sólo y luego extiendes la idea (con un simple bucle) para el resto. La diferencia fundamental frente a lo que has hecho en esta ocasión es que en vez de copiar/pegar el fichero en la consola tendrás que leer el fichero desde R. Prueba entonces con estos dos textos que has comparado ya. Graba cada uno en un fichero y prueba a leer el primero, a limpiarle de caracteres extraños, tenerle en el encoding adecuado y hacer un wordcloud. En cuanto lo consigas, vemos lo del bucle para procesar el primero y el segundo fichero de forma secuencial. Incluso podrás si quieres poner todos los worclouds juntos en una imagen en vez de generarles de forma individual. Saludos, Carlos Ortega www.qualityexcellence.es El 30 de julio de 2014, 1:13, Alfredo David Alvarado RÃos < [email protected]> escribió: > Buenas tardes grupo. Saludos cordiales Carlos J., muchas gracias por > tu orientación. Efectivamente, me habÃa dado cuenta que la razón por > la que no se aplicaba colnames era porque no tenÃa columnas. La > cuestión es que no logro visualizar completamente/claramente en qué > parte del proceso de creación del corpus se puede hacer. > Sin embargo, siguiendo el ejemplo de > http://biostat.jhsph.edu/~jleek/code/sotu2011-2012comparison.R > (proporcionado por Carlos O.), y las orientaciones que me han brindado > he podido seguir avanzando en el proceso de crear wordclouds para dos > informes de 2 años diferentes. > > Versión R: 3.1.1 > require(tm) > require(wordcloud) > require(Rcpp) > > > tmpinformes<-data.frame(c("todo el informe 2005", "todo el informe > 2013"), row.names=c("2005", "2013")) > ds<- DataframeSource(tmpText) > ds<- DataframeSource(tmpinformes) > corp = Corpus(ds) > corp = tm_map(corp,removePunctuation) > corp = tm_map(corp,content_transformer(tolower)) > corp = tm_map(corp,removeNumbers) > corp = tm_map(corp, stripWhitespace) > corp = tm_map(corp, removeWords, sw) > corp = tm_map(corp, removeWords, stopwords("spanish")) > term.matrix<- TermDocumentMatrix(corp) > term.matrix<- as.matrix(term.matrix) > colnames(term.matrix) <- c("Año2005","Año2013") > png(file="Org2005vs2013.png",height=600,width=1200) > par(mfrow=c(1,2)) > > comparison.cloud(term.matrix,max.words=300,random.order=FALSE,colors=c("#1F497D","#C0504D"),main="Differences > Between Org 2005/2013") > commonality.cloud(term.matrix,random.order=FALSE,color="#F79646") > dev.off() > > "todo el informe 2005" y "todo el informe 2013" es todo el informe > copiado en la ventana "script" de Rgui.Son dos informes que tengo el > directorio por defecto. También tuve que trabajar el texto plano de > manera que no tuviera ninguna comilla para poder hacer > c("informe2005", "informe2013") de manera que la combinación estuviera > bien delimitada en los dos documentos que empiezan y terminan con ". > > El .png que se creó en el directorio por defecto de R contiene tal > como el del ejemplo de la página web citada más arriba, una nube > comparativa de los dos años diferenciada por colores, y una al lado en > la cual aparecen las coincidencias. > > Ahora bien, la pregunta que tengo es si es posible realizar el > procedimiento con muchos más años, en el ejercicio que me propongo 10 > años en un solo corpus que puedan tenerse en 10 wordclouds para > realizar la comparación. Me gustarÃa que fuera una ventana por > wordcloud, y no una sola con varios años. > Gracias nuevamente a todos. > > > > > > El dÃa 29 de julio de 2014, 13:19, Carlos J. Gil Bellosta > <[email protected]> escribió: > > Hola, ¿qué tal? > > > > Tu problema es que m es una matriz que no tiene dos columnas. El error > > se puede replicar asÃ: > > > >> a <- matrix(0, 3, 3) > >> colnames(a) <- c("a", "b") > > Error in `colnames<-`(`*tmp*`, value = c("a", "b")) : > > length of 'dimnames' [2] not equal to array extent > > > > ncol(m) te dirá cuántas columnas tiene m. > > > > Un saludo, > > > > Carlos J. Gil Bellosta > > http://www.datanalytics.com > > > > El dÃa 29 de julio de 2014, 19:35, Alfredo David Alvarado RÃos > > <[email protected]> escribió: > >> Buenas tardes grupo. > >> Carlos, siguiendo tu sugerencia hice dos cosas: releà el ejemplo de la > >> referencia que coloqué en el correo anterior; y leà un poco más acerca > >> de tm. > >> También seguà el ejemplo que yo mismo coloqué de referencia, y acá más > >> abajo reproduzco el código: > >> Versión de R: 3.1.1 > >> > >> > >> #### > >> require(tm) > >> require(wordcloud) > >> require(Rcpp) > >> require(slam) > >>> > info.05<-readLines("./PLANIFICACION/Informes/2005/05_seguridad_ciudadana.txt", > encoding="UTF-8") > >>> > info.13<-readLines("./PLANIFICACION/Informes/2013/2013_21SeguridadCiudadana.txt", > encoding="UTF-8") > >>> info.05<-iconv(enc2utf8(info.05), sub="byte") > >>> info.13<-iconv(enc2utf8(info.13), sub="byte") > >>> informes<-c(info.05, info.13) > >>> corpus<-Corpus(VectorSource(informes)) > >>> inspect(corpus[1:2]) > >> <<VCorpus (documents: 2, metadata (corpus/indexed): 0/0)>> > >> > >> [[1]] > >> <<PlainTextDocument (metadata: 7)>> > >> Derecho a la seguridad ciudadana. Toda persona tiene derecho a la > >> protección del Estado a través de los órganos de seguridad ciudadana > >> regulados por ley, frente a situaciones que constituyan amenazas, > >> vulnerabilidad o riesgo para la integridad fÃsica de las personas, sus > >> propiedades, el disfrute de sus derechos y el cumplimiento de sus > >> deberes. La participación de los ciudadanos y las ciudadanas en los > >> programas destinados a la prevención, seguridad ciudadana y > >> administración de emergencias será regulada por una ley especial. Los > >> cuerpos de seguridad del Estado respetarán la dignidad y los derechos > >> humanos de las personas. El uso de armas o sustancias tóxicas por > >> parte del funcionariado policial y de seguridad estará limitado por > >> principios de necesidad, oportunidad, proporcionalidad, conforme a la > >> ley. > >> > >> [[2]] > >> <<PlainTextDocument (metadata: 7)>> > >> La situación del derecho a la seguridad ciudadana en el perÃodo que > >> cubre este Informe, presentó cambios en algunas cifras (descensos en > >> homicidios y robos); sin embargo, la situación desde el punto de vista > >> estructural permanece igual, ya que no existe polÃtica pública de > >> seguridad ciudadana democrática, con participación real de las > >> comunidades, sino que se insiste en propuestas > >> > >>> d<-tm_map(corpus, content_transformer(tolower)) > >>> d<-tm_map(d, removePunctuation) > >>> d<-tm_map(d, stripWhitespace) > >>> d<-tm_map(d, removeWords, sw) > >>> d<-tm_map(d, removeWords, stopwords("spanish")) > >>> tdm<-TermDocumentMatrix(d) > >>> colnames(m) = c("2005","2013") > >> Error in `colnames<-`(`*tmp*`, value = c("2005", "2013")) : length of > >> 'dimnames' [2] not equal to array extent > >> ##### > >> > >> Y una vez más vuelvo a tener el error en colnames. El resto de los > >> pasos, incluso el wordcloud lo llego a hacer, pero no logro llegar a > >> establecer que las columnas de la matrix serán los años, y la > >> intención que tengo es poder comparar los textos, incluso con gráfico > >> de barras por palabras más frecuentes. > >> > >> > >> > >> > >> El dÃa 28 de julio de 2014, 15:28, Carlos Ortega > >> <[email protected]> escribió: > >>> Hola, > >>> > >>> La referencia (gracias por proporcionarla) que has incluido es bastante > >>> clara y se puede seguir. > >>> ¿Has podido sobre tus dos discursos utilizar la misma lógica? > >>> > >>> La forma de salir de dudas, para empezar, es que adjuntaras el código > que > >>> estás empleando por ver si hay algún error evidente. Aunque la forma > >>> adecuada para que te podamos ayudar es con un ejemplo reproducible: > código + > >>> datos. > >>> > >>> Saludos, > >>> Carlos Ortega > >>> www.qualityexcellence.es > >>> > >>> > >>> El 28 de julio de 2014, 21:24, Alfredo David Alvarado RÃos > >>> <[email protected]> escribió: > >>>> > >>>> Buenas tardes, grupo. Agradecido Carlos por tu orientación y Eduardo. > >>>> Efectivamente, seguà el ejemplo de wordclouds, y al igual que > >>>> anteriormente logró hacer la nube de texto, pero sólo por cada uno de > >>>> los textos considerados. > >>>> Tengo los dos "corpus clean" por cada uno de los informes que estoy > >>>> considerando: año 2005 y 2013. > >>>> > >>>> >tdm05<-TermDocumentMatrix(cor.05.cl) > >>>> >tdm13<-TermDocumentMatrix(cor.13.cl) > >>>> > m05<-as.matrix(tdm05) > >>>> > m13<-as.matrix(tdm13) > >>>> >v05 <- sort(rowSums(m05),decreasing=TRUE) > >>>> > v13 <- sort(rowSums(m13),decreasing=TRUE) > >>>> > df05<-data.frame(word = names(v05), freq=v05) > >>>> > df13<-data.frame(word = names(v13), freq=v13) > >>>> > wordcloud(df05$word,df05$freq) > >>>> There were 50 or more warnings (use warnings() to see the first 50) > >>>> > head(df05) > >>>> word freq > >>>> seguridad seguridad 56 > >>>> ciudadana ciudadana 40 > >>>> funcionarios funcionarios 33 > >>>> policiales policiales 32 > >>>> nacional nacional 28 > >>>> policial policial 28 > >>>> > >>>> > wordcloud(df13$word,df13$freq) > >>>> There were 34 warnings (use warnings() to see them) > >>>> > >>>> > head(df13) > >>>> word freq > >>>> seguridad seguridad 33 > >>>> homicidios homicidios 29 > >>>> año año 27 > >>>> paÃs paÃs 21 > >>>> inseguridad inseguridad 20 > >>>> violencia violencia 20 > >>>> > >>>> Como ven, puedo seguir el procedimiento hasta obtener el wordcloud por > >>>> cada uno de los informes, pero no logro encontrar la manera de unir > >>>> los dos documentos de manera que pueda mostrarlos comparativamente en > >>>> dos wordclouds. > >>>> En este sentido, he leÃdo, y por lo que entiendo los dos documentos se > >>>> unen en un solo corpus, que deberÃa contener los dos documentos. Eso > >>>> lo hice, con los informes, y efectivamente podrÃa representar una sola > >>>> ventana con el wordcloud de ambos informes. > >>>> Sin embargo, cuando trato de aplicar colnames, el mensaje de error > >>>> sigue siendo "length of 'dimnames' [2] not equal to array extent", es > >>>> decir, como si no pudiera aplicar las columnas porque se trata de un > >>>> solo documento. > >>>> Entonces, solicito una vez más su valiosa ayuda en lo relacionado con > >>>> lo siguiente: > >>>> Después de tener ambos data.frame (año 2005 y año 2013) es que se > >>>> deben unir los datos. Ahora bien, esto debe realizarse con la orden > >>>> Corpus? Como dije, lo trabajé uniéndolos en esa orden y me dio el > >>>> mensaje "dimnames [2] no equal to array extent en el paso de > >>>> aplicación de nombres de columnas. > >>>> Los unà antes, como en el siguiente ejemplo > >>>> > >>>> > http://www.webmining.cl/2014/05/text-mining-comparacion-de-2-discursos-presidenciales-del-21-de-mayo-usando-r/ > >>>> y tampoco logré aplicarle colnames, ni tener la forma de matriz que se > >>>> requiere para colocar los años en las columnas y las palabras contadas > >>>> en las filas. > >>>> Realmente he estado estudiando la herramienta R, y leÃdo varios > >>>> artÃculos y revisado materiales relacionados para buscar la manera, > >>>> pero no logro dar con la manera de visualizar. > >>>> Gracias nuevamente por la atención. Y gracias por la disposición. > >>>> Cordial y atentamente, > >>>> > >>>> > >>>> > >>>> > >>>> > >>>> El dÃa 25 de julio de 2014, 0:16, Alfredo David Alvarado RÃos > >>>> <[email protected]> escribió: > >>>> > Buenas noches grupo. Saludos cordiales. > >>>> > > >>>> > He seguido en la búsqueda de una forma que me permita realizar la > >>>> > comparación de dos documentos pertenecientes a los años 2005 y > 2013, y > >>>> > que pueda representar finalmente con wordcloud y con una table en la > >>>> > que las columnas sean los años de cada informe "2005" y "2013", y > las > >>>> > filas sean las palabras con la frecuencia de cada una de ellas por > >>>> > cada informe: > >>>> > > >>>> > > >>>> > ---------------------------------- > >>>> > | | 2005 | 2013 | > >>>> > ---------------------------------- > >>>> > | terminos | | | > >>>> > ---------------------------------- > >>>> > | terminos | | | > >>>> > ---------------------------------- > >>>> > > >>>> > > >>>> > De manera que buscando y experimentando, adaptando de otras > >>>> > experiencias logré llegar a lo siguiente: > >>>> > > >>>> > ########## > >>>> > > >>>> >>informes<-c("2013", "2005") > >>>> >>pathname<-"C:/Users/d_2/Documents/Comision/PLAN de > >>>> >> INSPECCIONES/Informes/" > >>>> > > >>>> >>TDM<-function(informes, pathname) { > >>>> > info.dir<-sprintf("%s/%s", pathname, informes) > >>>> > info.cor<-Corpus(DirSource(directory=info.dir, encoding="UTF-8")) > >>>> > info.cor.cl<-tm_map(info.cor, content_transformer(tolower)) > >>>> > info.cor.cl<-tm_map(info.cor.cl, stripWhitespace) > >>>> > info.cor.cl<-tm_map(info.cor.cl,removePunctuation) > >>>> > sw<-readLines("C:/Users/d_2/Documents/StopWords.txt", > encoding="UTF-8") > >>>> > sw<-iconv(enc2utf8(sw), sub = "byte") > >>>> > info.cor.cl<-tm_map(info.cor.cl, removeWords, > stopwords("spanish")) > >>>> > info.tdm<-TermDocumentMatrix(info.cor.cl) > >>>> > result<-list(name = informes, tdm= info.tdm) > >>>> > } > >>>> >>tdm<-lapply(informes, TDM, path = pathname) > >>>> > > >>>> > Resultado: > >>>> > > >>>> >> tdm > >>>> > [[1]] > >>>> > [[1]]$name > >>>> > [1] "2013" > >>>> > [[1]]$tdm > >>>> > <<TermDocumentMatrix (terms: 1540, documents: 1)>> > >>>> > Non-/sparse entries: 1540/0 > >>>> > Sparsity : 0% > >>>> > Maximal term length: 18 > >>>> > Weighting : term frequency (tf) > >>>> > > >>>> > [[2]] > >>>> > [[2]]$name > >>>> > [1] "2005" > >>>> > [[2]]$tdm > >>>> > <<TermDocumentMatrix (terms: 1849, documents: 1)>> > >>>> > Non-/sparse entries: 1849/0 > >>>> > Sparsity : 0% > >>>> > Maximal term length: 19 > >>>> > Weighting : term frequency (tf) > >>>> > > >>>> >> str(tdm) > >>>> > List of 2 > >>>> > $ :List of 2 > >>>> > ..$ name: "2013" > >>>> > ..$ tdm :List of 6 > >>>> > .. ..$ i : int [1:1540] 1 2 3 4 5 6 7 8 9 10 ... > >>>> > .. ..$ j : int [1:1540] 1 1 1 1 1 1 1 1 1 1 ... > >>>> > .. ..$ v : num [1:1540] 1 5 8 1 1 1 1 3 1 1 ... > >>>> > .. ..$ nrow : int 1540 > >>>> > .. ..$ ncol : int 1 > >>>> > .. ..$ dimnames:List of 2 > >>>> > .. .. ..$ Terms: [1:1540] "070812" "100" "100000" "117735" ... > >>>> > .. .. ..$ Docs : "2013_21SeguridadCiudadana.txt" > >>>> > .. ..- attr(*, "class")= [1:2] "TermDocumentMatrix" > >>>> > "simple_triplet_matrix" > >>>> > .. ..- attr(*, "weighting")= [1:2] "term frequency" "tf" > >>>> > $ :List of 2 > >>>> > ..$ name: "2005" > >>>> > ..$ tdm :List of 6 > >>>> > .. ..$ i : int [1:1849] 1 2 3 4 5 6 7 8 9 10 ... > >>>> > .. ..$ j : int [1:1849] 1 1 1 1 1 1 1 1 1 1 ... > >>>> > .. ..$ v : num [1:1849] 1 1 1 1 1 1 1 1 1 1 ... > >>>> > .. ..$ nrow : int 1849 > >>>> > .. ..$ ncol : int 1 > >>>> > .. ..$ dimnames:List of 2 > >>>> > .. .. ..$ Terms: [1:1849] "071004" "100000" "101005" "1022" ... > >>>> > .. .. ..$ Docs : "05_seguridad_ciudadana.txt" > >>>> > .. ..- attr(*, "class")= [1:2] "TermDocumentMatrix" > >>>> > "simple_triplet_matrix" > >>>> > .. ..- attr(*, "weighting")= [1:2] "term frequency" "tf" > >>>> >> > >>>> >>m<-as.matrix(tdm) > >>>> > > >>>> > ######## > >>>> > > >>>> > Al probar str(tdm), se obtiene lo siguiente: > >>>> > > >>>> > List of 2 > >>>> > $ :List of 2 > >>>> > ..$ name: chr "2013" > >>>> > ..$ tdm :List of 6 > >>>> > .. ..$ i : int [1:1540] 1 2 3 4 5 6 7 8 9 10 ... > >>>> > .. ..$ j : int [1:1540] 1 1 1 1 1 1 1 1 1 1 ... > >>>> > .. ..$ v : num [1:1540] 1 5 8 1 1 1 1 3 1 1 ... > >>>> > .. ..$ nrow : int 1540 > >>>> > .. ..$ ncol : int 1 > >>>> > .. ..$ dimnames:List of 2 > >>>> > .. .. ..$ Terms: chr [1:1540] "070812" "100" "100000" "117735" ... > >>>> > .. .. ..$ Docs : chr "2013_21SeguridadCiudadana.txt" > >>>> > .. ..- attr(*, "class")= chr [1:2] "TermDocumentMatrix" > >>>> > "simple_triplet_matrix" > >>>> > .. ..- attr(*, "weighting")= chr [1:2] "term frequency" "tf" > >>>> > $ :List of 2 > >>>> > ..$ name: chr "2005" > >>>> > ..$ tdm :List of 6 > >>>> > .. ..$ i : int [1:1849] 1 2 3 4 5 6 7 8 9 10 ... > >>>> > .. ..$ j : int [1:1849] 1 1 1 1 1 1 1 1 1 1 ... > >>>> > .. ..$ v : num [1:1849] 1 1 1 1 1 1 1 1 1 1 ... > >>>> > .. ..$ nrow : int 1849 > >>>> > .. ..$ ncol : int 1 > >>>> > .. ..$ dimnames:List of 2 > >>>> > .. .. ..$ Terms: chr [1:1849] "071004" "100000" "101005" "1022" > ... > >>>> > .. .. ..$ Docs : chr "05_seguridad_ciudadana.txt" > >>>> > .. ..- attr(*, "class")= chr [1:2] "TermDocumentMatrix" > >>>> > "simple_triplet_matrix" > >>>> > .. ..- attr(*, "weighting")= chr [1:2] "term frequency" "tf" > >>>> > - attr(*, "dim")= int [1:2] 2 1 > >>>> > > >>>> > > >>>> >> m<-as.matrix(tdm) > >>>> > > >>>> >> m > >>>> > [,1] > >>>> > [1,] List,2 > >>>> > [2,] List,2 > >>>> > > >>>> > > >>>> > ####### > >>>> > > >>>> > Pero no logro poder avanzar en los pasos para tener la comparativa > de > >>>> > palabras por años par avanzar en una visualización de wordcloud. > >>>> > Si alguien se le ocurre alguna idea, agradecerÃa mucho la ayuda. > >>>> > >>>> _______________________________________________ > >>>> R-help-es mailing list > >>>> [email protected] > >>>> https://stat.ethz.ch/mailman/listinfo/r-help-es > >>> > >>> > >>> > >>> > >>> -- > >>> Saludos, > >>> Carlos Ortega > >>> www.qualityexcellence.es > >> > >> _______________________________________________ > >> R-help-es mailing list > >> [email protected] > >> https://stat.ethz.ch/mailman/listinfo/r-help-es > > _______________________________________________ > R-help-es mailing list > [email protected] > https://stat.ethz.ch/mailman/listinfo/r-help-es > -- Saludos, Carlos Ortega www.qualityexcellence.es [[alternative HTML version deleted]]
_______________________________________________ R-help-es mailing list [email protected] https://stat.ethz.ch/mailman/listinfo/r-help-es
