-
Notifications
You must be signed in to change notification settings - Fork 0
/
code
302 lines (279 loc) · 8.93 KB
/
code
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
library(rtweet)
library(readxl)
library(tidyverse)
library(quanteda)
library(LIWCalike)
library(syuzhet)
library(writexl)
library(stringr)
#set
getwd()
setwd("X")
#api keys in rwtweet package
api_key <- "XXX"
api_secret_key <- "XXX"
access_token <- "XXX "
access_token_secret <- "XXX"
#authentication - rtweet
token <- create_token(
app = "X",
consumer_key = api_key,
consumer_secret = api_secret_key,
access_token = access_token,
access_secret = access_token_secret)
get_token()
#Creación base de datos: recolección tuits de usuarios específicos (constituyentes) entre fechas aproximadas (con los ids).
#listado actualizado 2/8/2022
usuarios1_constituyentes <- c(
"LuisJimenezC",
"MamaniIsabella",
"CaroDistrito1",
"Hugo_Gutierrez_",
"oasishernan",
"ErickaPortillaB",
"jeniffermella",
"CaroVilchesF",
"MarielaSerey",
"Jaime_Bassa",
"coteoyarzund7",
"danielstingo",
"tatiurru",
"ValeMirandaCC",
"BSepulvedaHales",
"fernando_atria",
"giovannaroa",
"ConySchon",
"labeasanchez",
"MarcosBarrazaG",
"IgnacioAchurra",
"damabarca",
"NicolasFernand",
"RobertoCeledonF",
"amaya_alvez",
"vanessahoppe21",
"RoyoManuela",
"AuroraDelgadoV",
"YarelaAysen",
"CotaSanJuan",
"Bastianlabbed20",
"MEQChile",
"isabelgodoym",
"ElisaGiustinia1",
"gloconstituyent",
"ericyoaoferreir",
"MartinezHelmuth",
"CesarUribeA",
"rodrigo_logan",
"CarolinaSepuD19",
"afc073",
"T_Pustilnick",
"dinoazulado_d6",
"LisetteVergaraR",
"gdominguez_",
"patriciapolitz",
"tia_paulina_vr",
"LorenaCesp_D23",
"GuillermoNamor"
)
usuarios2_constituyentes <- c(
"BottoConstituy1",
"BenitoBaranda",
"JuanjoMartinb",
"JFuchslocher21",
"AmpueroAdriana",
"KawesqarSelas",
"manuconstituye",
"VillenaNarbona",
"ElsaLabrana",
"DayyanaGonzalez",
"CamilaZarateZ",
"FloresMadriaga",
"MarcoArellano29",
"mariariveramit",
"loreto_vallejos",
"TiaPikachu",
"frandistrito14",
"alelapia",
"medicanatyh",
"fersalinas333",
"FranciscaArauna",
"LoretoVidalH",
"Jorgeabarcaxv",
"MaxHurtadoR",
"cgomezcas",
#"SquellaAgustin",
"BessyGallardoP",
"cesarvalenz",
"baradit",
"PatoFdez",
"maluchayallego",
"RenatoGarinG",
"Mati_Orellana_",
"yanettcancino",
"christianpviera",
"Rmontero_",
"felipeharboe",
#"cruz_carrasco",
"barcelobiobio21",
"fchahin",
"pmconstituyente",
"ramonareyesp",
"MarioVa25830274",
"jjlalvarez",
"tomaslaibe",
"dbravosilva",
"IvannaOlivares5",
"ElisaLoncon",
"MachiFrancisca1",
"MillaburAdolfo",
"NatividadLlanq3",
"rkatrileo",
"criordor",
"AlvinSM15",
"JanisMeneses_D6",
"BacianWilfredo"
)
usuarios3_constituyentes <- c(
"TiareHey",
"mdaza_abogado",
"PollyanaConsti1",
"AlvaroJofre",
"pablotoloza",
"rvega_c",
"ruggero_cozzi",
"arancibialmte",
"raulcelism",
"bdelamaza",
"arturozunigaj",
"cmonckeberg",
"tere_marinovic",
"berfontaine",
"conihube",
"HernanLarrain",
"mcubillossigall",
"ossandon_d12",
"Clau_castrog",
"CarolCBown",
"raneumannb",
"amorenoe",
"barbararebolle",
"PatyLabraB",
"Margaritaleteli",
"martinarrau",
"LucianoErnest15",
"rocicantuarias",
"PaulinaVelosoM1",
"cretton15",
"ruth_uas",
"angelica_tepper",
"LMayolB",
"felipemena_",
"CeciliaUbilla",
"HarryJurgensen",
"Ktymontealegre",
"geoconda_aysen",
"RodrigoAlvarez_",
"AlondraCVidal",
"LidiaGonzlezCa2"
)
#recolección de tuits de los tres listados con rtweet entre las fechas aproximadas especificadas. sin retweets.
tuits_constituyentes1 <- get_timeline(usuarios1_constituyentes, n=2000, since_id =
"1411338373437050886", max_id = "1450105765881008130", include_rts = FALSE,retryonratelimit =
TRUE)
tuits_constituyentes2 <- get_timeline(usuarios2_constituyentes, n=2000, since_id =
"1411338373437050886", max_id = "1450105765881008130", include_rts = FALSE,retryonratelimit =
TRUE)
tuits_constituyentes3 <- get_timeline(usuarios3_constituyentes, n=2000, since_id =
"1411338373437050886", max_id = "1450105765881008130", include_rts = FALSE,retryonratelimit =
TRUE)
#union de los tres listados
tuits_constituyentes.df1 <- as.data.frame(tuits_constituyentes1)
tuits_constituyentes.df1 <- subset (tuits_constituyentes.df1, select = created_at:full_text)
tuits_constituyentes.df2 <- as.data.frame(tuits_constituyentes2)
tuits_constituyentes.df2 <- subset (tuits_constituyentes.df2, select = created_at:full_text)
tuits_constituyentes.df3 <- as.data.frame(tuits_constituyentes3)
tuits_constituyentes.df3 <- subset (tuits_constituyentes.df3, select = created_at:full_text)
constituyentes.df1 <- rbind(tuits_constituyentes.df1, tuits_constituyentes.df2)
constituyentes <- rbind(tuits_constituyentes.df3, constituyentes.df1)
#write_xlsx(constituyentes, "BBDD Constituyentes.xlsx") #si se quiere descargar. se puede seguir trabajando con el obj "constituyentes" o el excel recién creado
#Hasta acá, los tuits están listos. Ahora, limpieza (sacar puntuaciones, etc) y filtro de la bbdd (tuits referentes a la cc).
tweets.df <- as.data.frame(constituyentes)
#limpieza
tweets.df$full_text <- tolower(tweets.df$full_text) #minuscula
tweets.df$full_text <- gsub("[[:punct:]]", "", tweets.df$full_text) #puntuacion
tweets.df$full_text <- gsub("[[:digit:]]", "", tweets.df$full_text) #numeros/digitos
tweets.df$full_text <- gsub("\\s+", " ", str_trim(tweets.df$full_text)) #espacios extra
tweets.df$full_text <- gsub("http.*","",tweets.df$full_text)
tweets.df$full_text <- gsub("https.*","",tweets.df$full_text)#links
tweets.df$full_text <- gsub("#\\w+","",tweets.df$full_text)
tweets.df$full_text <- gsub("@\\w+","",tweets.df$full_text)#hashtags
tweets.df$full_text <- gsub("\\w*[0-9]+\\w*\\s*", "",tweets.df$full_text)#texto con numeros
tweets.df$full_text <- gsub("[^\x20-\x7E,á,é,í,ó,ú,ñ]", "", tweets.df$full_text) #emojis, mantiene ascii + ascii extendido necesario
#View(tweets.df)
#library(writexl)
#bbddlimpia.cons.df <- as.data.frame(tweets.cons.df2) #si se quiere descargar
#write_xlsx(bbddlimpia.cons.df,"BBDD Constituyentes texto limpio.xlsx")
#filtro palabras clave para limitar temáticamente
BBDD <- tweets.df %>%
filter(str_detect(full_text, "convencionconstitucional|convenciónconstitucional|convención|convencion|constitucional|constitu
yentes|constituyente|convencionconstituyente|
convenciónconstituyente|nuevaconstitucion|nuevaconstitución|nueva constitución|nueva
constitucion|constitución|constitucion|proceso constituyente|procesoconstituyente|convención
constituyente|convención constitucional|convencion constituyente|convencion
constitucional|reforma
constitucional|convencioncl|convencióncl|convencionales|constitucionales|chileconstitucion|chileco
nstitución|proceso constitucional|chileconstituyente|chileconvencion|chileconvención|chile
constituyente|reformaconstitucional")) %>%
filter(!grepl("acusación constitucional",full_text)) %>%
filter(!grepl("tribunal constitucional",full_text))
#análisis de emociones con liwc
liwcdict <- dictionary(file = "path diccionario",
format = "LIWC")
corpus <- corpus(BBDD$full_text) #dataframe a corpus
corpus_tokenizado <- tokens(corpus, what = "word") #sin más argumentos pq limpiamos antes
dfm <- dfm(corpus_tokenizado, remove = stopwords("spanish"))
liwcdfm <- dfm_lookup(dfm, dictionary = liwcdict)
liwcdfm.df <- as.data.frame(liwcdfm)
liwcdfm.df <- select(liwcdfm.df, c(Afect, EmoPos, EmoNeg))#columnas de interés
liwcdfm.df <- cbind(BBDD,liwcdfm.df)
#tokenizar para el WC
toks <- quanteda::tokens(corpus_tokenizado, split_hyphens = TRUE)
# WC (word count)
WC <- quanteda::ntoken(toks)
liwcdfm.df <- cbind(liwcdfm.df,WC)
liwcdfm.df <- liwcdfm.df %>%
relocate(WC, .before=Afect) |>
select(-c(id))
View(liwcdfm.df)#hasta acá, análisis de emociones con puntuaciones listo
#write_xlsx(liwcdfm.df, "Puntuacion LIWC Constituyentes.xlsx")
#análisis de emociones porcentual por semana
#eliminar hora en created_at
liwcdfm.df <- liwcdfm.df |>
separate(created_at,sep = " ",into = c("created_at","eliminar")) |>
select(-c("eliminar"))
liwcdfm.df$week_num <- strftime(liwcdfm.df$created_at, format = "%V")
datos_semanales_WC <- liwcdfm.df %>%
group_by(week_num) %>%
summarize(WC = sum(WC))
datos_semanales_Afect <- liwcdfm.df %>%
group_by(week_num) %>%
summarize(Afect = sum(Afect))
datos_semanales_EmoPos <- liwcdfm.df %>%
group_by(week_num) %>%
summarize(EmoPos = sum(EmoPos))
datos_semanales_EmoNeg <- liwcdfm.df %>%
group_by(week_num) %>%
summarize(EmoNeg = sum(EmoNeg))
datos_semanales_a <- left_join(datos_semanales_WC,datos_semanales_Afect)
datos_semanales_b <- left_join(datos_semanales_EmoPos,datos_semanales_EmoNeg)
datos_semanales <- left_join(datos_semanales_a,datos_semanales_b)
datos_semanales <- datos_semanales |>
mutate(Afect_por = (Afect*100)/WC) |>
mutate(EmoPos_por = (EmoPos*100)/WC) |>
mutate(EmoNeg_por = (EmoNeg*100)/WC)
#graficar
plot <- ggplot(datos_semanales, aes(x = week_num)) +
geom_line(aes(y = EmoPos_por, color = 'EmoPos',group=1)) +
geom_line(aes(y = EmoNeg_por, color = 'EmoNeg',group=2))
library(plotly)
ggplotly(plot)