DTM 与 tidytext 矩阵

tidyverse 是一组遵循共同哲学、并可协同工作的 R 包。本章将介绍若干 tidy 函数来处理数据。在本练习中，您将把 DTM 与一种称为 tibble 的整洁文本数据框进行比较。 在 tidyverse 中，每一条观测都是数据框中的一行。这使在不同包中工作更容易，因为底层的数据结构一致。本课程的部分内容大量借鉴了使用该数据组织方式的 tidytext 包。

例如，您可能已经熟悉来自 magrittr 包的 %>% 运算符。它会将左侧对象作为右侧函数的第一个参数传递。

在下面的示例中，您将对象 data 传递给 function1()。请注意括号为空。然后结果再传递给 function2()。在最后一个函数中，您无需再添加 data 对象，因为它来自 function1() 的输出。不过，您添加了一个虚构参数 some_parameter = TRUE。这些管道传递最终创建了 object。

object <- data %>% 
           function1() %>%
           function2(some_parameter = TRUE)

要使用 %>% 运算符，不一定要加载 magrittr 包，因为 dplyr 包中同样提供了该运算符。dplyr 还包含用于连接数据的 inner_join()（您稍后会学习更多）以及用于计数的 count()。您还需要的另一个函数是 mutate()，用于创建新变量或修改已有变量。

object <- data %>%
  mutate(new_Var_name = Var1 - Var2)

或者修改变量：

object <- data %>%
  mutate(Var1 = as.factor(Var1))

您还将使用 tidyr 的 pivot_wider() 函数整理数据，使每一行对应书中的一行文本，正向与负向的值作为列。

index	negative	positive
42	2	0
43	0	1
44	1	0

要将 DTM 转换为整洁格式，请使用 broom 包中的 tidy()。

tidy_format <- tidy(Document_Term_Matrix)

本练习使用希腊悲剧《Agamemnon》中的文本。《Agamemnon》讲述了婚姻不忠与谋杀的故事。您可以在此处下载副本。