計算單字

使用 Python 分析社群媒體資料

Alex Hanna

Computational Social Scientist

為什麼要計數？

自動化文字分析的基本步驟
可比較文件中相關關鍵字被提及的次數
在練習中：#rstats vs #python

用 str.contains 來計數

str.contains
- pandas Series 的字串方法
- 回傳布林 Series
- case = False：不分大小寫搜尋

Companies 資料集

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

在多個文字欄位計數

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

一起來練習吧！

使用 Python 分析社群媒體資料