如何可视化经dfm_trim处理后的文档特征矩阵(dfm)单文档词数？

方法1：生成整洁的词数表格 #

ntoken()可以直接从DFM提取每个文档的词数，将结果转为数据框就能得到整洁的结构化输出：

# 提取DFM的单文档词数并转为数据框
doc_token_counts <- data.frame(
  文档名称 = docnames(PI3_DFM),
  筛选后词数 = ntoken(PI3_DFM),
  row.names = NULL
)

# 查看整理后的结果
print(doc_token_counts)

方法2：可视化词数分布 #

如果需要直观展示词数的分布情况，用ggplot2绘制直方图或箱线图：

# 若未安装ggplot2先执行安装：install.packages("ggplot2")
library(ggplot2)

ggplot(doc_token_counts, aes(x = 筛选后词数)) +
  geom_histogram(binwidth = 50, fill = "#2c3e50", color = "white") +
  labs(title = "DFM筛选后各文档词数分布",
       x = "单文档词数",
       y = "文档数量") +
  theme_minimal()

方法3：快速查看排序后的词数 #

如果只想快速了解文档词数的高低排序，直接用sort()处理结果：

# 按词数降序排列展示
sorted_counts <- sort(ntoken(PI3_DFM), decreasing = TRUE)
print(sorted_counts)

补充说明 #

• ntoken(PI3_DFM)会自动计算经过dfm_trim筛选后，每个文档保留的有效词数
• 若需要统计每个文档中不同词的数量，将ntoken()替换为ntype()即可

内容的提问来源于stack exchange，提问作者Pablo1100