在SAP分析云里根据业务数据绘制词云(Word Cloud)

词云(WordCloud)的概念，据网络上搜索到的资料，最早由美国一位新闻学专业的副教授提出，对文本中出现频率较高的关键词予以视觉上的突出，一般采取“出现频次越高，关键词渲染尺寸越大”的规则。由这些尺寸不一的关键词形成类似云状的彩色图形，能帮助浏览者一眼扫过图形，就能领略该词云背后文本的主旨。

比如周杰伦《双截棍》歌词的词云如下：

 

 

其中出现频率排前三位的词高亮如下：

 

 

词云除了广泛应用在互联网前端外，在SAP领域也能发挥其优势。比如Jerry在文章 SAP Analytics Cloud和SAP Cloud for Customer的集成 里提到，最近我们做的一个项目，通过微信小程序收集用户和SAP Conversation AI的聊天记录，然后使用词云显示出这些聊天记录里的关键词。

起初Jerry在Github找了一些生成词云的开源工具，有JavaScript也有Python实现：

https://www.npmjs.com/package/tag-cloud https://github.com/amueller/word_cloud

后来了解到SAP Analytics Cloud自身就支持使用R的开发包wordclound生成词云：

https://www.sapanalytics.cloud/resources-r-packages/

 

 

所以我就想尝试着用SAP Analytics Cloud来实现。

要使用SAP Analytics Cloud上的wordcloud的开发包，需要通过配置将其连接到一个可用的R运行环境。R语言是一种编程语言，在统计分析和各种图表展示领域里特别具有优势。

在System配置里，可以选择使用SAP Analytics Cloud集成的R运行环境或者远程连接到一个部署在第三方的R运行环境。

 

 

绘制词云的数据源由下面这个csv文件提供：某地区每个超市每个月不同产品的销售数量。我设定的词云绘制规则比较简单，销售量越大(字段QuantitySold)的产品，其产品名称出现在词云中的尺寸越大。

 

 

上述Excel文件可以从SAP官网下载：

https://www.sapanalytics.cloud/wp-content/uploads/2018/02/BestRun.xlsx

我对其作了大幅简化，上传到SAP Analytics Cloud之后基于该文件创建一个新的Model取名BestRunJerry, 将QuantitySold列设置成Measure.

 

 

将Product的Description设置为ProductName，这样稍后用R绘制出的词云，显示的是可读性更好的Product Name，而不是产品ID.

 

 

基于建好的Model创建一个新的Story，插入一个新的R Visualization，这是一个UI控件，负责显示渲染的词云：

 

 

将Product设置为Rows的一个成员：

 

 

而QuantitySold设置成Columns的一员，这样接下来的R编辑器里，可以通过访问Product和QuantitySold两个变量，获取模型里存储的对应数据。

 

 

现在开始添加R脚本：

 

 

四行脚本搞定：

 

 

点击Execute，看到执行效果：

 

 

最后生成的效果图：

 

 

4行R脚本的含义：

(1) library(wordcloud):加载SAP Analytics Cloud的R开发包wordcloud； (2) words <- BestRunJerry$Product：读取模型BestRunJerry的Product数据，存储到变量words里； (3) frequency <- BestRunJerry$QuantitySold：用产品QuantitySold字段的值模拟关键词出现的频率，存储到变量frequency里； (4) wordcloud(words, frequency, scale = c(3, 1), rot.per=0.2, colors=brewer.pal(8, "Dark2")) 调用wordcloud开发包，生成词云。输入参数的含义参考该开发包的文档： https://cran.r-project.org/web/packages/wordcloud/wordcloud.pdf

 

 

每当我们在SAP Analytics Cloud的R编辑器里点击Execute按钮时，可以在Chrome开发者工具里观测到编辑器发送了一个HTTP请求给R运行环境，该请求包含了当前我们编辑的R脚本和之前插入的R Visualization控件的长和宽。

 

 

根据这些输入，SAP Analytics Cloud的R运行环境进行服务器端的词云渲染，再将渲染好的词云内容以png图片文件的base64格式返回给浏览器：

 

 

下一步Jerry会研究如何将文本格式的聊天记录里的关键词提取出来，以词云的方式显示在SAP Analytics Cloud里，这也是我目前做的项目需要实现的需求，敬请期待。

 

 

要获取更多Jerry的原创文章，请关注公众号"汪子熙":