Bing 整洁极性：统计并透视白鲸

在本练习中，您将使用 "bing" 词典再做一次 inner_join()。

随后，您将结合使用来自 dplyr 的 count() 和来自 tidyr 的 pivot_wider() 来整理并理解文本结果。

pivot_wider() 会将数据"铺开"到多列。本例中，情感类别以及对应的 n 值表示每一行中正面或负面术语的出现频次。使用 pivot_wider() 后，数据会变为每一行同时包含正面和负面两个数值，即使其中某个为 0。

本练习是课程的一部分

R 中的情感分析

查看课程

练习说明

在此练习中，您的 R 会话中已提供 m_dick_tidy（包含《白鲸》一书的内容）和 bing（与上一个练习相同的词典）。

对 m_dick_tidy 与 bing 执行一次 inner_join()。
- 与先前相同，将 m_dick_tidy 中的 "term" 列与词典中的 "word" 列进行连接。
- 将新对象命名为 moby_lex_words。
创建一列 index，其值为对 document 应用 as.numeric() 的结果。请在 tidyverse 的 mutate() 中完成。
将 moby_lex_words 传递给 count()，按 sentiment, index 统计，生成 moby_count。
通过将 moby_count 管道传入 pivot_wider() 生成 moby_wide，其中 names_from 等于 sentiment 列，values_from 等于 n 列，并使用 values_fill = 0 填充缺失值。
接着使用 arrange 按 index 值对行进行排序。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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

编辑并运行代码