分而治之：用極性建立比較雲

既然你已經看到如何用極性來區分語料庫，現在就動手做吧！下面的程式碼會帶你把語料依情緒分開，讓你能聚焦在子集合中的資訊，而不是一次看整體。

你的 R 工作階段已載入 oz_pol，它是將 polarity() 套用到「The Wonderful Wizard of Oz」後得到的物件。

為了簡化流程，我們寫了一個自訂函式 pol_subsections()，用來依極性分割語料。首先，這個函式接受一個資料框，其中每一列是語料庫的一個句子或文件。接著，它會根據極性值大於 0 或小於 0 來篩選資料框。最後，將正向與負向的句子（非零極性）分別用參數 collapse 串接，讓詞彙彙整成單一語料。最終，會把這兩份文件合併成一個包含兩個獨立文件的向量。

pol_subsections <- function(df) {
  x.pos <- subset(df$text, df$polarity > 0)
  x.neg <- subset(df$text, df$polarity < 0)
  x.pos <- paste(x.pos, collapse = " ")
  x.neg <- paste(x.neg, collapse = " ")
  all.terms <- c(x.pos, x.neg)
  return(all.terms)
}

到這一步，你已經排除了中性句子，接下來要專注整理剩下的文字。在這個練習中我們會再次使用 %>% 運算子把物件傳給函式。做完一些基本清理後，使用 comparison.cloud() 來產生視覺化。