AFINN : je suis votre Huckleberry

Passons maintenant au lexique AFINN. Le lexique AFINN attribue des valeurs numériques de 5 à -5, et pas seulement positif ou négatif. Contrairement à la colonne sentiment du lexique Bing, la colonne du score de sentiment dans AFINN s'appelle value.

Comme précédemment, vous appliquez inner_join() puis count(). Ensuite, pour additionner les scores de chaque ligne, nous utilisons les fonctions group_by() et summarize() de dplyr. La fonction group_by() prend un data frame existant et le convertit en data frame groupé, où les opérations sont effectuées « par groupe ». Puis, summarize() vous permet de calculer une valeur pour chaque groupe de votre data frame à l'aide d'une fonction d'agrégation, comme sum() ou mean(). Dans notre cas, nous pouvons faire quelque chose comme :

data_frame %>% 
    group_by(book_line) %>% 
    summarize(total_value = sum(book_line))

Dans la version « tidy » de Huckleberry Finn, la ligne 9703 contient les mots « best », « ever », « fun », « life » et « spirit ». « best » et « fun » ont des scores AFINN de 3 et 4 respectivement. Après agrégation, la ligne 9703 aura un score total de 7.

Dans le tidyverse, filter() est préféré à subset() car il combine les fonctionnalités de subset() avec une syntaxe plus simple. Voici un exemple qui applique filter() à data_frame pour ne garder que les lignes où une valeur de column1 est égale à 24. Remarquez que le nom de la colonne n'est pas entre guillemets.

filter(data_frame, column1 == 24)

L'objet afinn contient le lexique AFINN. L'objet huck est une version « tidy » des Aventures de Huckleberry Finn de Mark Twain, prête pour l'analyse.

La ligne 5400 est : All the loafers looked glad; I reckoned they was used to having fun out of Boggs. Les mots vides et la ponctuation ont déjà été retirés du jeu de données.