Bing tidy polarity: conte e faça pivot na baleia branca

Neste exercício, você vai aplicar outro inner_join() usando o léxico "bing".

Depois, você vai manipular os resultados com count() do dplyr e pivot_wider() do tidyr para aprender mais sobre o texto.

A função pivot_wider() espalha os dados por várias colunas. Neste caso, o sentimento e os valores n correspondentes representam a frequência de termos positivos ou negativos para cada linha. Usar pivot_wider() muda os dados para que cada linha passe a ter valores positivos e negativos, mesmo que sejam 0.

Este exercicio faz parte do curso

Análise de Sentimentos em R

Ver curso

Instruções do exercicio

Neste exercício, sua sessão R tem m_dick_tidy, que contém o livro Moby Dick, e bing, que contém o léxico semelhante ao do exercício anterior.

Faça um inner_join() entre m_dick_tidy e bing.
- Como antes, una a coluna "term" em m_dick_tidy à coluna "word" no léxico.
- Chame o novo objeto de moby_lex_words.
Crie uma coluna index, igual a as.numeric() aplicada a document. Isso ocorre dentro de mutate() no tidyverse.
Crie moby_count encaminhando moby_lex_words para count(), passando sentiment, index.
Gere moby_wide encadeando moby_count para pivot_wider(), onde names_from é a coluna sentiment, values_from é a coluna n e os valores são preenchidos com values_fill = 0.
arrange é o próximo pipe usado para ordenar as linhas pelos valores de index

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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

Editar e Executar Código