Skapa ett tidy text-tibble!

Nu när du har lärt dig om tidy-principerna hjälper den här koden dig att organisera dina data i ett tibble – så att du kan arbeta vidare i tidyverse!

Tidigare lärde du dig att använda tidy() på ett TermDocumentMatrix()-objekt för att konvertera TDM:en till ett tibble. I den här övningen skapar du orddata direkt från recensionskolumnen comments.

Först använder du unnest_tokens() för att göra texten till gemener och tokenisera recensionerna till enskilda ord.

Ibland är det användbart att bevara den ursprungliga ordningsföljden inom varje grupp i ett korpus. Det gör du med mutate(). Inuti mutate() använder du seq_along() för att skapa en sekvens av tal från 1 till objektets längd. På så sätt fångar du ordordningen som den skrevs.

I paketet tm använder du removeWords() för att ta bort stoppord. I tidyverse laddar du först in stoppordslexikonet och tillämpar sedan anti_join() mellan den tidy-formaterade dataramen och stopporden.

Den här övningen är en del av kursen

Sentimentanalys i R

Visa kurs

Övningsinstruktioner

Skapa tidy_reviews genom att leda (%>%) det ursprungliga recensionsobjektet bos_reviews till funktionen unnest_tokens(). Skicka in ett nytt kolumnnamn, word, och ange kolumnen comments. Kom ihåg att du i tidyverse varken behöver $ eller citationstecken.
Skapa en ny variabel på tidy-vis! Skriv om tidy_reviews genom att leda tidy_reviews till group_by med kolumnen id. Fortsätt sedan med %>% till mutate(). Skapa inuti mutate en ny variabel original_word_order som är lika med seq_along(word).
Skriv ut tibble:n tidy_reviews.
Ladda in de färdiga "SMART"-stopporden i din R-session med data("stop_words").
Skriv över tidy_reviews genom att leda det ursprungliga tidy_reviews till anti_join() med ett %>%. Skicka in det färdiga stop_words-lexikonet inuti anti_join().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Vector to tibble
tidy_reviews <- bos_reviews %>% 
  ___(___, ___)

# Group by and mutate
tidy_reviews <- tidy_reviews %>% 
  ___(___) %>% 
  ___(original_word_order = ___(___))

# Quick review
___

# Load stopwords
___

# Perform anti-join
tidy_reviews_without_stopwords <- tidy_reviews %>% 
  ___(___)

Redigera och kör kod