Vizualizace počtu slov

Úvod do analýzy textu v R

Maham Faisal Khan

Senior Data Science Content Developer

Začínáme s uspořádaným textem

tidy_review <- review_data %>% 
  mutate(id = row_number()) %>% 
  unnest_tokens(word, review) %>% 
  anti_join(stop_words)

Začínáme s uspořádaným textem

tidy_review

# A tibble: 78,868 x 5
      id date     product                    stars word       
   <int> <chr>    <chr>                      <dbl> <chr>      
 1     2 1/12/15  iRobot Roomba 650 for Pets     4 walk       
 2     2 1/12/15  iRobot Roomba 650 for Pets     4 rest       
 3     3 12/26/13 iRobot Roomba 650 for Pets     5 roomba     
 4     3 12/26/13 iRobot Roomba 650 for Pets     5 proof      
 5     3 12/26/13 iRobot Roomba 650 for Pets     5 house      
# … with 78,863 more rows

Vizualizace počtů pomocí geom_col()

word_counts <- tidy_review %>% 
  count(word) %>% 
  arrange(desc(n))

ggplot(
  word_counts, aes(x = word, y = n)
) +
  geom_col()

filter() před vizualizací

word_counts2 <- tidy_review %>% 
  count(word) %>% 
  filter(n > 300) %>% 
  arrange(desc(n))

filter() před vizualizací

word_counts2

# A tibble: 25 x 2
   word         n
   <chr>    <int>
 1 roomba    2286
 2 clean     1204
 3 vacuum     989
 4 hair       900
 5 cleaning   809
# … with 15 more rows

Použití coord_flip()

ggplot(
  word_counts2, aes(x = word, y = n)
) +
  geom_col() +
  coord_flip() +
  ggtitle("Review Word Counts")

Pojďme si procvičit!

Úvod do analýzy textu v R