Polarité tidy avec Bing : compter et pivoter la baleine blanche

Dans cet exercice, vous allez appliquer un autre inner_join() en utilisant le lexique "bing".

Vous manipulerez ensuite les résultats avec count() de dplyr et pivot_wider() de tidyr pour mieux comprendre le texte.

La fonction pivot_wider() étale les données sur plusieurs colonnes. Dans ce cas, le sentiment et les valeurs n correspondantes représentent la fréquence des termes positifs ou négatifs pour chaque ligne. L'utilisation de pivot_wider() modifie les données de sorte que chaque rangée comporte maintenant des valeurs positives et négatives, même si elles sont à 0.

Cette activité fait partie du cours

Analyse de sentiment en R

Voir le cours

Instructions de l’exercice

Dans cet exercice, votre session R contient m_dick_tidy, qui renferme le livre Moby Dick, et bing, qui contient le lexique semblable à l'exercice précédent.

Effectuez un inner_join() entre m_dick_tidy et bing.
- Comme précédemment, faites la jointure de la colonne "term" de m_dick_tidy avec la colonne "word" du lexique.
- Nommez le nouvel objet moby_lex_words.
Créez une colonne index, égale à as.numeric() appliquée à document. Faites-le à l'intérieur de mutate() dans le tidyverse.
Créez moby_count en transmettant moby_lex_words à count() avec les arguments sentiment, index.
Générez moby_wide en chaînant moby_count à pivot_wider() où names_from correspond à la colonne sentiment, values_from à la colonne n, et les valeurs manquantes sont remplacées avec values_fill = 0.
arrange est le prochain pipe, utilisé pour ordonner les rangées selon les valeurs de index

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Inner join
moby_lex_words <- inner_join(___, ___, by = c("___" = "___"))

moby_lex_words <- moby_lex_words %>%
  # Set index to numeric document
  mutate(___ = as.numeric(___))

moby_count <- moby_lex_words %>%
  # Count by sentiment, index
  ___(___, ___)

# Examine the counts
moby_count

moby_wide <- moby_count %>%
  # Pivot the sentiments
  pivot_wider(names_from = ___, values_from = ___, values_fill = ___) %>% 
  arrange(index)

# Review the pivoted data
moby_wide

Modifier et exécuter le code