什么是显示字数的简单可视化工具？答案

【问题标题】：What is a simple visualization tool to show word counts?什么是显示字数的简单可视化工具？
【发布时间】：2011-09-15 10:12:18
【问题描述】：

我有一个文本文件，其中包含一个短语在语料库中出现的次数。该文件如下所示，短语及其计数由“=”分隔：

phrase1=100
phrase2=156
... and so on

什么是一个很好的简单可视化工具，它可以获取这个文件（或这个文件的稍微修改的版本），并以气泡的形式为我提供一个很好的可视化，其中气泡的大小与短语的数量成正比。我希望这句话写在泡泡里。

【问题讨论】：

【解决方案1】：

您在 OP 中提到的绘图类型（气泡图）也称为气球图。

您的问题的标题是针对在给定文本中直观地显示词频的更普遍问题。鉴于此，或许值得一提的是，信息图表专家是critical of bubble plots，因为该图是基于将数据值映射到圆形区域。

不幸的是，同一位大师还没有就一套合理的替代方案达成一致（据我所知）。

我能想到的用于显示词频的气泡图的最佳替代方法通常称为标签云。

在他的博客Statistics, R, Graphics, and Fun，Yihui Xie 写了一篇关于使用 R 创建标签云的优秀教程。他的教程之所以优秀有两个原因——它用分步代码编写得很好，结果是美丽的。

另请参阅 R Bloggers 上的 this Post，了解有关创建更好标签云的教程。

但是，如果您想要一个气泡（又名气球）图，那么您就可以了。

在 R 中创建它们很简单。在优秀的 Flow Data site 上有详细的步骤tutorial 用于创建和完善气泡图。

此外，R 包 gplots（可在 CRAN 获得）包括一个函数 balloonplot 用于直接绘制这些图。

来自流动数据网站：

【讨论】：

【解决方案2】：

嗯，我不确定我是否完全理解你对气泡图形的想法。对于很多短语，这对我来说似乎不可行。你看过GraphViz吗？

我做过类似的项目来计算维基百科中的单词：

我知道的最好方法是使用双对数刻度。您可能可以在图表上添加一些短语。我用Xmgrace 创建了所有图形here。

【讨论】：

感谢罗斯的回复。通过气泡图形，我的意思实际上是：mbostock.github.com/d3/ex/bubble.html 显示气泡，在我的情况下，气泡的半径应该与文本中的字数成比例。
好的，那么。如果您知道如何打包所有圆圈，那么只需使用简单的 porgamm 生成 SVG 文件就很容易，然后在 Inkscape 中打开它并生成 PNG。
同意罗斯的评论：对于现实生活中的 NLP 工作，建议的可视化不会有帮助。您将拥有大量长尾数据（Zipf 分布），即最小的气泡对您对问题的整体理解几乎没有影响，并且为超出玩具数据的任何内容生成图表将需要大量的处理时间。但也许你的问题很专业，以至于你只有几百个标签？也许你可以澄清你的使用场景？但从技术上讲，GraphViz / dotty 应该没问题。
是的，直方图文件中代表文本的最终整体数量很少，因为我只提取那些作为名词短语的短语及其频率。