Bing tidy-polaritet: Räkna och pivotera den vita valen

I den här övningen använder du ytterligare ett inner_join() med lexikonet "bing".

Därefter bearbetar du resultaten med count() från dplyr och pivot_wider() från tidyr för att utforska texten.

Funktionen pivot_wider() sprider data över flera kolumner. I det här fallet representerar sentiment och motsvarande n-värden frekvensen av positiva eller negativa termer per rad. Med pivot_wider() omformas data så att varje rad får både positiva och negativa värden – även om värdet är 0.

Den här övningen är en del av kursen

Sentimentanalys i R

Visa kurs

Övningsinstruktioner

I den här övningen innehåller din R-session m_dick_tidy med boken Moby Dick och bing med lexikonet, på samma sätt som i föregående övning.

Utför ett inner_join() på m_dick_tidy och bing.
- Precis som tidigare, koppla kolumnen "term" i m_dick_tidy till kolumnen "word" i lexikonet.
- Kalla det nya objektet moby_lex_words.
Skapa kolumnen index som ska vara lika med as.numeric() applicerat på document. Detta sker inuti mutate() i tidyverse.
Skapa moby_count genom att skicka moby_lex_words vidare till count() med argumenten sentiment, index.
Generera moby_wide genom att skicka moby_count via pipe till pivot_wider(), där names_from är kolumnen sentiment, values_from är kolumnen n och värden fylls i med values_fill = 0.
arrange är nästa pipe och används för att sortera raderna efter index-värden

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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

Redigera och kör kod