文件群組的樹狀矩形圖（treemap）

你經常會處理按群組區分的文件，例如作者、產品或公司。這個練習讓你在保留群組資訊的同時，用精簡的視覺化來了解文本。例如，把顧客評論依產品分組時，你可能想同時探索多個面向。你可以先計算評論的 polarity()。另一個面向是長度。文件長度可以反映情緒強度。如果顧客只留了短短一句「great shoes!」，你可以推測他其實沒有像篇幅較長的正面評論那麼熱情。你也可能想依產品類型分組，例如女性、男性與兒童的鞋款。Treemap 可以同時檢視這些面向。

在文本分析中，treemap 中的每一個小方塊都代表一份文件，例如一則推文。文件會依某種方式分組，例如作者。每個方塊的大小由數值決定，例如字數或字母數。每個方塊的顏色則由情緒分數決定。

在整理好 tibble 之後，你會使用包含 treemap() 函式的 treemap 函式庫來繪製視覺化。下面的程式碼範例宣告了資料、分組變數、大小、顏色與其他視覺屬性。

treemap(
  data_frame,
  index = c("group", "individual_document"),
  vSize = "doc_length",
  vColor = "avg_score",
  type = "value",
  title = "Sentiment Scores by Doc",
  palette = c("red", "white", "green")
)

預先載入的 all_books 物件包含一個合併且整潔格式（tidy format）的語料庫，含有 4 本 Shakespeare、3 本 Melville，以及 4 本 Twain 的書。根據 treemap，你應該能看出誰寫的書較長，以及作者整體與各別書籍的極性（polarity）。