Počítání slov

Analýza dat ze sociálních sítí v Pythonu

Alex Hanna

Computational Social Scientist

Proč počítat slova?

Základní krok pro automatizaci analýzy textu
Umožňuje zjistit, jak často je klíčové slovo zmíněno v dokumentech
V cvičeních: #rstats vs #python

Počítání pomocí str.contains

str.contains
- Metoda řetězců pandas Series
- Vrací boolean Series
- case = False – vyhledávání bez rozlišení velikosti písmen

Datová sada Companies

import pandas as pd

tweets = pd.DataFrame(flatten_tweets(companies_json))

apple = tweets['text'].str.contains('apple', case = False)

print(np.sum(apple) / tweets.shape[0])

0.112

Počítání ve více textových polích

apple = tweets['text'].str.contains('apple', 
                                     case = False) 
for column in ['extended_tweet-full_text',
    'retweeted_status-text',
    'retweeted_status-extended_tweet-full_text']:
    apple = apple | tweets[column].str.contains('apple', 
                                                 case = False)

print(np.sum(apple) / tweets.shape[0])

0.12866666666666668

Pojďme si procvičit!

Analýza dat ze sociálních sítí v Pythonu