Numărarea cuvintelor

Analiza datelor din social media în Python

Alex Hanna

Computational Social Scientist

De ce numărăm cuvintele?

  • Pas de bază pentru automatizarea analizei textului
  • Indică de câte ori este menționat un cuvânt cheie față de altele
  • În exerciții: #rstats vs #python
Analiza datelor din social media în Python

Numărare cu str.contains

  • str.contains
    • Metodă de tip string pentru Series în pandas
    • Returnează un Series boolean
    • case = False - Căutare fără distincție majuscule/minuscule
Analiza datelor din social media în Python

Setul de date 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
Analiza datelor din social media în Python

Numărare în mai multe câmpuri text

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
Analiza datelor din social media în Python

Să exersăm!

Analiza datelor din social media în Python

Preparing Video For Download...