电商平台什么化妆品最多？

导语

简单介绍一下背景，我们想从电商平台的商品名称中，找到一些可能影响销量的关键字。所以先要对这些名称进行关键字的识别，再关联相关销量数据。

主要内容如下：

R语言链接Postgre数据库（公司用这个数据库）

R结巴关键字识别功能

词频统计和词云

下面先分段说明一下各个部分的内容：

先加载需要的库，用途都在注释里面了。

第一部分：R语言链接Postgre数据库

先配置好数据库类型和账号链接信息

dbConnect配置数据库类型

dbSendQuery配置账号信息

dbSendQuery 进行数据查询

fetch 将查询结果放进dataframe，但是函数里面具体内容没有太仔细研究，有兴趣的同学可以自己去查查

这个要注意一下，因为数据库编码和R的编码不同，直接查看df的结果中文是乱码，所以要专门转一次码

另外，由于数据库读取的内容，默认是因子型，对于后面的处理有影响，所以要先处理成字符型。如果是数值型的，还不能从因子直接转化为因子型，需要专程字符，再转数字。

第二部分：R结巴关键字识别功能

JiebaR的分词模式函数worker有很多种不同的模式（type参数）比如hmm隐马尔科夫模式、fullseg全模式等等，有兴趣大家可以去查相关资料。这里我主要用的是keywords，keywords模式，可以自动识别出一些词库里面没有关键字，用于识别新的品牌或者名词很有用。但是在python的jieba库里面，没有这么多模式可以选。这也是为什么这次我用R的原因。

jiebaR有一个特殊的符号

另外，直接用keywords分词，每个词会有一个tfidf值，后续暂时用不到，就写了一个renames的小函数，把这个数值去掉。

正式的分词过程

gsub函数，去掉商品名称里面的符号、英文字母和数字。

两个lapply进行分词和去掉tfidf值

第三部分：词频统计和词云

Lapply之后会变成列表，需要解除list之后才能统计词频。统计词频用到stringr包和data.table包。另外jiebaR也有一个统计词频的函数，下次有空在研究吧。

最后是词云图，用wordcloud2包，参数就不详细说明了。有兴趣可以自己研究啦

直接画出来的结果就是下面的情况了，某电商平台的名字就不方便出现了。

本来还想把关键字和销量关联起来，但是还没成功，再研究研究看，成功了再分享给大家吧。