DTM vs. tidytext-Matrix

Das tidyverse ist eine Sammlung von R-Paketen mit gemeinsamen Prinzipien, die nahtlos zusammenarbeiten. In diesem Kapitel lernst du einige Tidy-Funktionen zur Datenmanipulation kennen. In dieser Übung vergleichst du eine DTM mit einem Tidy-Text-Daten-Frame, einem sogenannten Tibble. Im tidyverse entspricht jede Beobachtung genau einer Zeile in einem Data Frame. Das erleichtert das Arbeiten in verschiedenen Paketen, weil die grundlegende Datenstruktur dieselbe ist. Teile dieses Kurses stützen sich stark auf das Paket tidytext, das genau diese Datenorganisation nutzt.

Vielleicht kennst du bereits den Operator %>% aus dem Paket magrittr. Er übergibt das Objekt auf der linken Seite als erstes Argument an die Funktion auf der rechten Seite.

Im Beispiel unten übergibst du das Objekt data an function1(). Beachte, dass die Klammern leer sind. Dessen Ergebnis wird dann an function2() weitergereicht. In der letzten Funktion musst du das Objekt data nicht mehr hinzufügen, weil es aus der Ausgabe von function1() weitergereicht wurde. Du ergänzt jedoch einen fiktiven Parameter some_parameter als TRUE. Diese Pipes erzeugen am Ende das object.

object <- data %>% 
           function1() %>%
           function2(some_parameter = TRUE)

Um den Operator %>% zu verwenden, musst du magrittr nicht zwingend laden, da er auch in dplyr verfügbar ist. dplyr enthält außerdem die Funktionen inner_join() (dazu später mehr) und count() zum Aufsummieren von Daten. Die letzte Funktion, die du brauchst, ist mutate(), um neue Variablen zu erstellen oder bestehende zu verändern.

object <- data %>%
  mutate(new_Var_name = Var1 - Var2)

oder um eine Variable zu verändern

object <- data %>%
  mutate(Var1 = as.factor(Var1))

Du wirst außerdem pivot_wider() aus tidyr verwenden, um die Daten so zu organisieren, dass jede Zeile einer Textzeile aus dem Buch entspricht und die positiven bzw. negativen Werte als Spalten vorliegen.

Um eine DTM in ein Tidy-Format zu überführen, nutze tidy() aus dem Paket broom.

tidy_format <- tidy(Document_Term_Matrix)

Diese Übung verwendet Text aus der griechischen Tragödie „Agamemnon". „Agamemnon" ist eine Geschichte über eheliche Untreue und Mord. Du kannst eine Kopie hier herunterladen.