Skip to content

Latest commit

 

History

History
128 lines (99 loc) · 3.67 KB

07_rtweet_E2.md

File metadata and controls

128 lines (99 loc) · 3.67 KB
Raw

By Rodrigo Esteves de Lima Lopes University of Campinas [email protected]

Comparação entre Tweets

Introdução

Neste tutorial vamos discutir como fazer uma exploração inicial nos dados textuais do Twitter. Aqui pretendemos realizar uma análise exploratória do texto raspado da linha do tempo de cada candidato.

Vamos usar os seguintes pacotes:

  • dplyr para lidar com os dados
  • tidytext para lidar com o texto
  • ggplot2 para plotar
library(dplyr)
library(tidytext)
library(ggplot2)

Preparando os dados

Nosso primeiro passo é isolar o texto de cada político que estamos estudando:

LI <- subset(presidents, screen_name == "LulaOficial")
JB <- subset(presidents, screen_name == "jairbolsonaro")
CG <- subset(presidents, screen_name == "cirogomes")

Nosso próximo passo é criar uma lista de palavras irrelevantes. Aqui vamos usar um que já existe, fornecido pelo Quanteda. Nós a salvamos como uma tabela de dados para aplicá-la aos nossos tweets posteriormente.

my.stopwords <- data.frame(word = quanteda::stopwords("pt"))

Agora executamos o seguinte comando para cada candidato, então temos três listas de palavras:

Lula

LI.w <- LI %>%
  unnest_tokens(word, text) %>% # separates each word
  count(word, sort = TRUE) %>% # counts each word
  anti_join(my.stopwords, by= "word") %>% # delete stopwords
  mutate(freq = n / sum(n)) %>% # proportion (base 1)
  mutate_at(vars(-matches("word|n")),~ .x * 100)  # tanslates proportion to base 100

Jair Bolsonaro

JB.w <- JB %>%
  unnest_tokens(word, text) %>%
  count(word, sort = TRUE) %>%
  anti_join(my.stopwords, by= "word") %>%
  mutate(freq = n / sum(n)) %>%
  mutate_at(vars(-matches("word|n")),~ .x * 100)

Ciro Gomes

CG.w <- CG %>%
  unnest_tokens(word, text) %>%
  count(word, sort = TRUE) %>%
  anti_join(my.stopwords, by= "word") %>%
  mutate(freq = n / sum(n)) %>%
  mutate_at(vars(-matches("word|n")),~ .x * 100)

O próximo conjunto de comandos plota as listas de palavras, para mais informações sobre isso, consulte 08_plotting.

Ciro

CG.w %>% 
  slice(1:25) %>% 
  ggplot(aes(x = reorder(word, n, function(n) -n), y = n)) + 
  geom_bar(stat = "identity") + 
  theme(axis.text.x = element_text(angle = 60, hjust = 1)) +
  labs(
    x = "Words", y = "Frequency",
    title = "Frequency of Twitter words posted by Ciro Gomes",
    subtitle = "Twitter status (tweet) counts aggregated by day from January 2022",
    caption = "\nSource: Data collected from Twitter's REST API via rtweet"
  )

Ciro

Lula

LI.w %>% 
  slice(1:25) %>% 
  ggplot(aes(x = reorder(word, n, function(n) -n), y = n)) + 
  geom_bar(stat = "identity") + 
  theme(axis.text.x = element_text(angle = 60, hjust = 1)) +
  labs(
    x = "Words", y = "Frequency",
    title = "Frequency of Twitter words posted by Lulla",
    subtitle = "Twitter status (tweet) counts aggregated by day from January 2022",
    caption = "\nSource: Data collected from Twitter's REST API via rtweet"
  )

Lula

Jair Bolsonaro

JB.w %>% 
  slice(1:25) %>% 
  ggplot(aes(x = reorder(word, n, function(n) -n), y = n)) + 
  geom_bar(stat = "identity") + 
  theme(axis.text.x = element_text(angle = 60, hjust = 1)) +
  labs(
    x = "Words", y = "Frequency",
    title = "Frequency of Twitter words posted by Jair Bolsonaro",
    subtitle = "Twitter status (tweet) counts aggregated by day from January 2022",
    caption = "\nSource: Data collected from Twitter's REST API via rtweet"
  )

Jair Bolsonaro