-
-
Notifications
You must be signed in to change notification settings - Fork 5
/
Dueno-de-mis-Datos-Facebook-Parte-II.html
1371 lines (828 loc) · 85 KB
/
Dueno-de-mis-Datos-Facebook-Parte-II.html
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
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
<!DOCTYPE html>
<html>
<head>
<!-- Document Settings -->
<meta charset="utf-8" />
<meta http-equiv="X-UA-Compatible" content="IE=edge" />
<!-- Base Meta -->
<!-- dynamically fixing the title for tag/author pages -->
<title>Dueño de mis datos - Capítulo Facebook - Parte II</title>
<meta name="HandheldFriendly" content="True" />
<meta name="viewport" content="width=device-width, initial-scale=1.0" />
<!-- Styles'n'Scripts -->
<link rel="stylesheet" type="text/css" href="/assets/built/screen.css" />
<link rel="stylesheet" type="text/css" href="/assets/built/screen.edited.css" />
<link rel="stylesheet" type="text/css" href="/assets/built/syntax.css" />
<link rel="stylesheet" type="text/css" href="/assets/built/custom.css" />
<!-- <link rel="stylesheet" type="text/css" href="/assets/built/prism.css" /> -->
<!-- highlight.js -->
<!-- <link rel="stylesheet" href="/assets/built/styles/default.css"> -->
<style>.hljs { background: none; }</style>
<!-- night owl style -->
<link rel="stylesheet" href="/assets/built/styles/night-owl.css" />
<style type='text/css'>
pre, code {
white-space: pre-wrap;
overflow-x: scroll;
}
.hljs {
display: inline-block;
overflow-x: scroll;
min-width: 100%;
}
.highlight {
min-width: 100%;
}
div[class^="language-"] {
min-width: 100%;
}
</style>
<!--[if IE]>
<style>
p, ol, ul{
width: 100%;
}
blockquote{
width: 100%;
}
</style>
<![endif]-->
<!-- This tag outputs SEO meta+structured data and other important settings -->
<meta name="description" content="Tu sitio para aprender de visualización y ciencia de datos en español. Consejos, recursos y mejores prácticas para tus proyectos de tecnología, periodismo de datos y análisis estadísticos." />
<link rel="shortcut icon" href="https://old.tacosdedatos.com/assets/icons/favicon.ico" type="image/png" />
<link rel="canonical" href="https://old.tacosdedatos.com/Dueno-de-mis-Datos-Facebook-Parte-II" />
<meta name="referrer" content="no-referrer-when-downgrade" />
<!--title below is coming from _includes/dynamic_title-->
<meta property="og:site_name" content="🌮 tacos de datos | Aprende visualización de datos en español." />
<meta property="og:type" content="website" />
<meta property="og:title" content="Dueño de mis datos - Capítulo Facebook - Parte II" />
<meta property="og:description" content="¡Text Mining! Es hora de entrarle a la onda de los diccionarios de palabras, los análisis de sentimientos y las gráficas de nube de palabras. Si quieren ver como obtener los datos con los que vamos a trabajar pueden verlo en la primera parte de esta serie. Solo para recordar" />
<meta property="og:url" content="https://old.tacosdedatos.com/Dueno-de-mis-Datos-Facebook-Parte-II" />
<meta property="og:image" content="https://old.tacosdedatos.com/assets/blogposts/017.png" />
<meta property="article:publisher" content="https://www.facebook.com/tacosdedatos" />
<meta property="article:author" content="https://www.facebook.com/tacosdedatos" />
<meta property="article:published_time" content="2020-05-18T10:00:00+00:00" />
<meta property="article:modified_time" content="2020-05-18T10:00:00+00:00" />
<meta property="article:tag" content="Blog" />
<meta name="twitter:card" content="summary_large_image" />
<meta name="twitter:title" content="Dueño de mis datos - Capítulo Facebook - Parte II" />
<meta name="twitter:description" content="¡Text Mining! Es hora de entrarle a la onda de los diccionarios de palabras, los análisis de sentimientos y las gráficas de nube de palabras. Si quieren ver como obtener los datos con los que vamos a trabajar pueden verlo en la primera parte de esta serie. Solo para recordar" />
<meta name="twitter:url" content="https://old.tacosdedatos.com/" />
<meta name="twitter:image" content="https://old.tacosdedatos.com/assets/blogposts/017.png" />
<meta name="twitter:label1" content="Written by" />
<meta name="twitter:data1" content="🌮 tacos de datos | Aprende visualización de datos en español." />
<meta name="twitter:label2" content="Filed under" />
<meta name="twitter:data2" content="Blog" />
<meta name="twitter:site" content="@tacosdedatos" />
<meta name="twitter:creator" content="@tacosdedatos" />
<meta property="og:image:width" content="1400" />
<meta property="og:image:height" content="933" />
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Website",
"publisher": {
"@type": "Organization",
"name": "🌮 tacos de datos | Aprende visualización de datos en español.",
"logo": "https://old.tacosdedatos.com/assets/images/alt-blog-icon.png"
},
"url": "https://old.tacosdedatos.com/Dueno-de-mis-Datos-Facebook-Parte-II",
"image": {
"@type": "ImageObject",
"url": "https://old.tacosdedatos.com/assets/blogposts/017.png",
"width": 2000,
"height": 666
},
"mainEntityOfPage": {
"@type": "WebPage",
"@id": "https://old.tacosdedatos.com/Dueno-de-mis-Datos-Facebook-Parte-II"
},
"description": "¡Text Mining! Es hora de entrarle a la onda de los diccionarios de palabras, los análisis de sentimientos y las gráficas de nube de palabras. Si quieren ver como obtener los datos con los que vamos a trabajar pueden verlo en la primera parte de esta serie. Solo para recordar"
}
</script>
<!-- <script type="text/javascript" src="https://demo.ghost.io/public/ghost-sdk.min.js?v=724281a32e"></script>
<script type="text/javascript">
ghost.init({
clientId: "ghost-frontend",
clientSecret: "f84a07a72b17"
});
</script> -->
<meta name="generator" content="Jekyll 3.6.2" />
<link rel="alternate" type="application/rss+xml" title="Dueño de mis datos - Capítulo Facebook - Parte II" href="/feed.xml" />
</head>
<body class="post-template">
<div class="site-wrapper">
<!-- All the main content gets inserted here, index.hbs, post.hbs, etc -->
<!-- default -->
<!-- The tag above means: insert everything in this file
into the {body} of the default.hbs template -->
<header class="site-header outer">
<div class="inner">
<nav class="site-nav">
<div class="site-nav-left">
<a class="site-nav-logo" href="https://old.tacosdedatos.com/"><img src="/assets/images/alt-blog-icon.png" alt="🌮 tacos de datos | Aprende visualización de datos en español." /></a>
<ul class="nav" role="menu">
<li class="nav-home" role="menuitem"><a href="/">inicio</a></li>
<li class="nav-home" role="menuitem"><a href="https://medium.com/tacosdedatos/">la publiqueishon (Medium)</a></li>
<li class="nav-about" role="menuitem"><a href="/sobre/">sobre 🌮</a></li>
<li class="nav-podcast" role="menuitem"><a href="https://tacosdedatos.fm">podcast 🌮🎧</a></li>
<li class="nav-recursos" role="menuitem"><a href="http://boletin.tacosdedatos.com/">el boletín</a></li>
</ul>
</div>
<div class="site-nav-right">
<div class="social-links">
<a class="social-link social-link-fb" href="https://facebook.com/tacosdedatos" target="_blank" rel="noopener"><svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 32 32"><path d="M19 6h5V0h-5c-3.86 0-7 3.14-7 7v3H8v6h4v16h6V16h5l1-6h-6V7c0-.542.458-1 1-1z"/></svg>
</a>
<a class="social-link social-link-tw" href="https://twitter.com/tacosdedatos" target="_blank" rel="noopener"><svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 32 32"><path d="M30.063 7.313c-.813 1.125-1.75 2.125-2.875 2.938v.75c0 1.563-.188 3.125-.688 4.625a15.088 15.088 0 0 1-2.063 4.438c-.875 1.438-2 2.688-3.25 3.813a15.015 15.015 0 0 1-4.625 2.563c-1.813.688-3.75 1-5.75 1-3.25 0-6.188-.875-8.875-2.625.438.063.875.125 1.375.125 2.688 0 5.063-.875 7.188-2.5-1.25 0-2.375-.375-3.375-1.125s-1.688-1.688-2.063-2.875c.438.063.813.125 1.125.125.5 0 1-.063 1.5-.25-1.313-.25-2.438-.938-3.313-1.938a5.673 5.673 0 0 1-1.313-3.688v-.063c.813.438 1.688.688 2.625.688a5.228 5.228 0 0 1-1.875-2c-.5-.875-.688-1.813-.688-2.75 0-1.063.25-2.063.75-2.938 1.438 1.75 3.188 3.188 5.25 4.25s4.313 1.688 6.688 1.813a5.579 5.579 0 0 1 1.5-5.438c1.125-1.125 2.5-1.688 4.125-1.688s3.063.625 4.188 1.813a11.48 11.48 0 0 0 3.688-1.375c-.438 1.375-1.313 2.438-2.563 3.188 1.125-.125 2.188-.438 3.313-.875z"/></svg>
</a>
</div>
<a class="subscribe-button" href="#subscribe">Subscríbete</a>
</div>
</nav>
</div>
</header>
<!-- Everything inside the #post tags pulls data from the post -->
<!-- #post -->
<main id="site-main" class="site-main outer" role="main">
<div class="inner">
<article class="post-full post tag-blog ">
<header class="post-full-header">
<section class="post-full-meta">
<time class="post-full-meta-date" datetime="18 May 2020">18 May 2020</time>
<span class="date-divider">/</span>
<a href='/tag/blog/'>BLOG</a>,
<a href='/tag/facebook/'>FACEBOOK</a>,
<a href='/tag/ggplot2/'>GGPLOT2</a>,
<a href='/tag/r/'>R</a>,
<a href='/tag/text-mining/'>TEXT-MINING</a>
</section>
<h1 class="post-full-title">Dueño de mis datos - Capítulo Facebook - Parte II</h1>
</header>
<figure class="post-full-image" style="background-image: url(/assets/blogposts/017.png)">
</figure>
<section class="post-full-content">
<div class="kg-card-markdown">
<p>¡Text Mining! Es hora de entrarle a la onda de los diccionarios de palabras, los análisis de sentimientos y las gráficas de nube de palabras.</p>
<p>Si quieren ver como obtener los datos con los que vamos a trabajar pueden verlo <a href="https://tacosdedatos.com/dueno-de-mis-datos-facebook">en la primera parte</a> de esta serie.</p>
<p>Solo para recordar el objetivo de esta serie:</p>
<blockquote>
<p>… vamos a jugar con todos los posteos que hice en Facebook y todos los comentarios que puse a posteos de otras personas. Aprovechando el gran curso de Text Mining que <a href="https://twitter.com/jmtoralc">@jmtoral</a> nos dio durante la cuarentena, vamos a analizar mis textos e intentar encontrar algunas cosas interesantes. Al final, y porque nos gusta mucho, haremos gráficas y más gráficas.</p>
</blockquote>
<h2 id="un-poco-de-contexto-o-sea-mi-disclaimer">Un poco de contexto. O sea, mi <em>Disclaimer</em></h2>
<p>La cuarentena me ha pegado duro como a la mayoría de la gente. Si le suman que previo a ella ya tenía 4 meses encerrado por una lesión, se podrán imaginar lo desesperado que he llegado a estar.</p>
<p>Una forma en que yo logro manejar la ansiedad es estudiando, aprendiendo cosas nuevas y pasando horas practicándolas. Entiendo que eso no es para todos pero se los comparto por si les es de ayuda.</p>
<p>Cuando <a href="https://twitter.com/jmtoralc">@jmtoral</a> avisó en Twitter que iba a dar un curso de Minería de Texto no dudé ni tantito en escribirme. Era un tema que desconocía por completo y que pensé que podría aplicar con los datos de Facebook que tenía parados desde hace unos meses.</p>
<p>Dicho esto, por favor tengan en mente que lo que aqui haremos es una acercamiento al tema con las cosas que entendí y ,seguro también, con los errores de las cosas que aún no entiendo por completo. Lo importante es que se queden con una noción y empiecen a jugar.</p>
<h2 id="guidelines-para-la-visualización"><em>Guidelines</em> para la visualización</h2>
<p>Esta vez no hay bocetos en papel pero vamos a tocar un tema nuevo: los <em>guidelines</em>.</p>
<p>Para las visualizaciones de los <a href="https://tacosdedatos.com/Primeros-pasos-con-ggplot-y-altair">Pats</a> y de <a href="https://tacosdedatos.com/Dueno-de-mis-Datos-Spotify">Spotify</a> me tuve que crear un par de <em>themes</em> para que las visualizaciones fueran consistentes. Eso son las <em>guidelines</em>. Sin embargo, estas gúias de estilo no son enchiladas. En aquellas ocasiones tardé mucho en elegir colores, tamaños de fuentes, espacios entre márgenes, etc.</p>
<p>Todos sabemos que usar Comic Sans no es profesional para una dataviz, pero ¿por qué? Si van a hacer una gráfica, ¿porqué usarían Calibri, Arial o Times New Roman? Si van a combinar fuentes, ¿cuál va mejor con cúal?</p>
<p>Afortunadamente hay un montón de UX, VD, entre otras profesiones, que se dedican a crear estas guías para sus organizaciones y muchas de ellas con públicas. Hay una buena lista <a href="https://docs.google.com/spreadsheets/d/1VhBBwSvIeiUL42eLQgoXb93Y1_LBUWTaW2OB-tXFYD0/edit#gid=1679646668">aquí</a> que tenemos a la mano gracias a la <a href="https://www.datavisualizationsociety.com/">Data Visualization Society</a>. Para este ejercicio decidí tomar como referencia la guía del <a href="https://urbaninstitute.github.io/graphics-styleguide/">Urban Institute</a>.</p>
<p>Les dejo unos pedacitos de lo que pueden encontrar ahí:</p>
<p><img src="https://github.com/nerudista/DataViz/blob/master/MyFacebook/imagenes/layout_guideline.png?raw=true" alt="layout" /></p>
<p><img src="https://github.com/nerudista/DataViz/blob/master/MyFacebook/imagenes/color_guideline.png?raw=true" alt="color" /></p>
<p><img src="https://github.com/nerudista/DataViz/blob/master/MyFacebook/imagenes/categorical_guideline.png?raw=true" alt="categorical" /></p>
<p><img src="https://github.com/nerudista/DataViz/blob/master/MyFacebook/imagenes/tips_guidelines.png?raw=true" alt="tips" /></p>
<p><img src="https://github.com/nerudista/DataViz/blob/master/MyFacebook/imagenes/maps_guidelines.png?raw=true" alt="maps" /></p>
<p>Tener definidos colores, fuentes y tamaños es una ayudadota. El theme sale de volada:</p>
<div class="language-r highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="c1">#Cargar la fuente desde mi Windows</span><span class="w">
</span><span class="n">windowsFonts</span><span class="p">(</span><span class="n">`Lato`</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">windowsFont</span><span class="p">(</span><span class="s2">"Lato"</span><span class="p">))</span><span class="w">
</span><span class="c1"># Crear theme</span><span class="w">
</span><span class="c1"># Inspirado en el styleguide del Urban Institute</span><span class="w">
</span><span class="c1"># https://urbaninstitute.github.io/graphics-styleguide/</span><span class="w">
</span><span class="n">theme_fb</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">theme</span><span class="p">(</span><span class="w">
</span><span class="c1">#Esto pone blanco el titulo , los ejes, etc</span><span class="w">
</span><span class="n">plot.background</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_rect</span><span class="p">(</span><span class="n">fill</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="s1">'#FFFFFF'</span><span class="p">,</span><span class="w"> </span><span class="n">colour</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="s1">'#FFFFFF'</span><span class="p">),</span><span class="w">
</span><span class="c1">#Esto pone blanco el panel de la gráfica, es decir, sobre lo que van los bubbles</span><span class="w">
</span><span class="n">panel.background</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_rect</span><span class="p">(</span><span class="n">fill</span><span class="o">=</span><span class="s2">"#FFFFFF"</span><span class="p">,</span><span class="n">color</span><span class="o">=</span><span class="s2">"#FFFFFF"</span><span class="p">),</span><span class="w">
</span><span class="n">panel.grid.minor</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_blank</span><span class="p">(),</span><span class="w">
</span><span class="n">panel.grid.major.y</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_line</span><span class="p">(</span><span class="n">color</span><span class="o">=</span><span class="s2">"#DEDDDD"</span><span class="p">),</span><span class="w">
</span><span class="n">panel.grid.major.x</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_blank</span><span class="p">(),</span><span class="w">
</span><span class="n">text</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_text</span><span class="p">(</span><span class="c1">#color = "#1db954",</span><span class="w">
</span><span class="n">family</span><span class="o">=</span><span class="s2">"Lato"</span><span class="p">),</span><span class="w">
</span><span class="c1"># limpiar la gráfica</span><span class="w">
</span><span class="n">axis.line</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_line</span><span class="p">(</span><span class="n">colour</span><span class="o">=</span><span class="s2">"#FFFFFF"</span><span class="p">),</span><span class="w">
</span><span class="c1">#axis.title=element_blank(),</span><span class="w">
</span><span class="n">axis.text</span><span class="o">=</span><span class="n">element_text</span><span class="p">(</span><span class="n">family</span><span class="o">=</span><span class="s2">"Lato"</span><span class="p">,</span><span class="w">
</span><span class="n">size</span><span class="o">=</span><span class="m">12</span><span class="p">),</span><span class="w">
</span><span class="n">axis.ticks</span><span class="o">=</span><span class="n">element_blank</span><span class="p">(),</span><span class="w">
</span><span class="n">axis.title.x</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_text</span><span class="p">(</span><span class="w"> </span><span class="n">margin</span><span class="o">=</span><span class="n">margin</span><span class="p">(</span><span class="m">10</span><span class="p">,</span><span class="m">0</span><span class="p">,</span><span class="m">0</span><span class="p">,</span><span class="m">0</span><span class="p">),</span><span class="w">
</span><span class="n">family</span><span class="o">=</span><span class="s2">"Lato"</span><span class="p">,</span><span class="w">
</span><span class="n">size</span><span class="o">=</span><span class="m">12</span><span class="p">,</span><span class="w">
</span><span class="n">color</span><span class="o">=</span><span class="s2">"#0D1F2D"</span><span class="w">
</span><span class="p">),</span><span class="w">
</span><span class="n">axis.title.y</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_text</span><span class="p">(</span><span class="w"> </span><span class="n">margin</span><span class="o">=</span><span class="n">margin</span><span class="p">(</span><span class="m">0</span><span class="p">,</span><span class="m">15</span><span class="p">,</span><span class="m">0</span><span class="p">,</span><span class="m">0</span><span class="p">),</span><span class="w">
</span><span class="n">family</span><span class="o">=</span><span class="s2">"Lato"</span><span class="p">,</span><span class="w">
</span><span class="n">size</span><span class="o">=</span><span class="m">12</span><span class="p">,</span><span class="w">
</span><span class="n">color</span><span class="o">=</span><span class="s2">"#0D1F2D"</span><span class="w">
</span><span class="p">),</span><span class="w">
</span><span class="c1"># ajustar titulos y notas</span><span class="w">
</span><span class="n">plot.title</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_text</span><span class="p">(</span><span class="n">family</span><span class="o">=</span><span class="s2">"Lato"</span><span class="p">,</span><span class="w">
</span><span class="n">size</span><span class="o">=</span><span class="m">18</span><span class="p">,</span><span class="w">
</span><span class="n">margin</span><span class="o">=</span><span class="n">margin</span><span class="p">(</span><span class="m">0</span><span class="p">,</span><span class="m">0</span><span class="p">,</span><span class="m">15</span><span class="p">,</span><span class="m">0</span><span class="p">),</span><span class="w">
</span><span class="n">hjust</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="m">0</span><span class="p">,</span><span class="w"> </span><span class="c1">#align left</span><span class="w">
</span><span class="n">color</span><span class="o">=</span><span class="s2">"#0D1F2D"</span><span class="p">),</span><span class="w">
</span><span class="n">plot.subtitle</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_text</span><span class="p">(</span><span class="n">size</span><span class="o">=</span><span class="m">14</span><span class="p">,</span><span class="w">
</span><span class="n">family</span><span class="o">=</span><span class="s2">"Lato"</span><span class="p">,</span><span class="w">
</span><span class="n">hjust</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="m">0</span><span class="p">,</span><span class="w"> </span><span class="c1">#align left</span><span class="w">
</span><span class="n">margin</span><span class="o">=</span><span class="n">margin</span><span class="p">(</span><span class="m">0</span><span class="p">,</span><span class="m">0</span><span class="p">,</span><span class="m">25</span><span class="p">,</span><span class="m">0</span><span class="p">),</span><span class="w">
</span><span class="n">color</span><span class="o">=</span><span class="s2">"#0D1F2D"</span><span class="p">),</span><span class="w">
</span><span class="n">plot.caption</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_text</span><span class="p">(</span><span class="w">
</span><span class="n">color</span><span class="o">=</span><span class="s2">"#0D1F2D"</span><span class="p">,</span><span class="w">
</span><span class="n">family</span><span class="o">=</span><span class="s2">"Lato"</span><span class="p">,</span><span class="w">
</span><span class="n">size</span><span class="o">=</span><span class="m">11</span><span class="p">,</span><span class="w">
</span><span class="n">hjust</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="m">0</span><span class="w"> </span><span class="c1">#align left</span><span class="w">
</span><span class="p">),</span><span class="w">
</span><span class="n">legend.position</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="s2">"none"</span><span class="p">,</span><span class="w">
</span><span class="c1">#para los titulos del facet_wrap</span><span class="w">
</span><span class="n">strip.text.x</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">element_text</span><span class="p">(</span><span class="n">size</span><span class="o">=</span><span class="m">12</span><span class="p">,</span><span class="w"> </span><span class="n">face</span><span class="o">=</span><span class="s2">"bold"</span><span class="p">),</span><span class="w">
</span><span class="n">complete</span><span class="o">=</span><span class="kc">FALSE</span><span class="w">
</span><span class="p">)</span><span class="w">
</span><span class="c1">#pequeño truco para crear el caption con negritas y que puedo reusar en las gráficas</span><span class="w">
</span><span class="n">my_caption</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="nf">expression</span><span class="p">(</span><span class="n">paste</span><span class="p">(</span><span class="n">bold</span><span class="p">(</span><span class="s2">"Fuente:"</span><span class="p">),</span><span class="w"> </span><span class="s2">" Datos proporcionados por Facebook para el usuario "</span><span class="p">,</span><span class="w"> </span><span class="n">bold</span><span class="p">(</span><span class="s2">"nerudista"</span><span class="p">)))</span><span class="w">
</span></code></pre></div></div>
<p>Los invito a intenten replicar alguna de las guías que vienen en la lista que está arriba y vean como sus visualizaciones empiezan a verse más profesionales. Después pueden crearse las propias que reflejen su estilo de visualización.</p>
<h2 id="preparando-los-datos">Preparando los datos</h2>
<p>Para poder trabajar con análisis de texto necesitamos crear un <em>corpus</em>. Es decir, un conjunto de documentos a analizar. En nuestro caso no basta solo con pegar los dos documentos (posts y comments) sino que hay que preprocesarlos para:</p>
<ul>
<li>Crear una columna que nos diga si es un post o un comment (se me olvidó hacerlo en el <a href="https://tacosdedatos.com/Dueno-de-mis-Datos-Facebook">Python</a> pasado).</li>
<li>Quitar las <em>stopwords</em>. Es decir, las palabras que se repiten mucho y no nos sirven en el análisis (articulos, pronombres, conjunciones, etc).</li>
<li>Quitar números y puntuaciones.</li>
</ul>
<p>La primera parte es sencilla y podemos sacarla con este código:</p>
<div class="language-r highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="c1"># cargar archivos</span><span class="w">
</span><span class="n">data_comments</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">read_csv</span><span class="p">(</span><span class="s2">"./Datos/misComentarios.csv"</span><span class="p">)</span><span class="w">
</span><span class="n">data_posts</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">read_csv</span><span class="p">(</span><span class="s2">"./Datos/misPosts.csv"</span><span class="p">)</span><span class="w">
</span><span class="c1"># Crear columan "tipo"</span><span class="w">
</span><span class="n">data_comments</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">data_comments</span><span class="w"> </span><span class="o">%>%</span><span class="w"> </span><span class="n">mutate</span><span class="p">(</span><span class="n">tipo</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="s2">"Comentario"</span><span class="p">)</span><span class="w">
</span><span class="n">data_posts</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">data_posts</span><span class="o">%>%</span><span class="w"> </span><span class="n">mutate</span><span class="p">(</span><span class="n">tipo</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="s2">"Post"</span><span class="p">)</span><span class="w">
</span><span class="n">data</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">rbind</span><span class="p">(</span><span class="n">data_comments</span><span class="p">,</span><span class="w"> </span><span class="n">data_posts</span><span class="p">)</span><span class="w">
</span><span class="c1"># cargar stopwords en español</span><span class="w">
</span><span class="n">stop_words</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">tm</span><span class="o">::</span><span class="n">stopwords</span><span class="p">(</span><span class="n">kind</span><span class="o">=</span><span class="s2">"es"</span><span class="p">)</span><span class="w">
</span><span class="c1">#cargar palabras que no eliminó el paquete tm::stopwords </span><span class="w">
</span><span class="n">my_stop_words</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="nf">c</span><span class="p">(</span><span class="s2">"si"</span><span class="p">,</span><span class="s2">"p"</span><span class="p">,</span><span class="s2">"d"</span><span class="p">,</span><span class="s2">"así"</span><span class="p">,</span><span class="s2">"tan"</span><span class="p">,</span><span class="s2">"!"</span><span class="p">,</span><span class="s2">"¡"</span><span class="p">,</span><span class="s2">"="</span><span class="p">,</span><span class="s2">"$"</span><span class="p">,</span><span class="w">
</span><span class="s2">"esposa"</span><span class="p">,</span><span class="s2">"de"</span><span class="p">,</span><span class="s2">"que"</span><span class="p">,</span><span class="s2">"a"</span><span class="p">,</span><span class="s2">"with"</span><span class="p">,</span><span class="s2">"to"</span><span class="p">,</span><span class="s2">"ps"</span><span class="p">,</span><span class="s2">"made"</span><span class="p">,</span><span class="s2">"nocroprc"</span><span class="p">)</span><span class="w">
</span><span class="c1">#Unir los dos vectores de stop words</span><span class="w">
</span><span class="n">final_stop_words</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="nf">c</span><span class="p">(</span><span class="n">stop_words</span><span class="p">,</span><span class="n">my_stop_words</span><span class="p">)</span><span class="w">
</span></code></pre></div></div>
<p>Tengan presente la variable <code class="language-plaintext highlighter-rouge">my_stop_words</code>. Más adelante vamos a ver porqué tuve que crearla.</p>
<h2 id="creando-corpus-tokens-y-wordclouds">Creando <em>corpus, tokens y wordclouds</em></h2>
<p><code class="language-plaintext highlighter-rouge">Quanteda</code> es un paquete en <code class="language-plaintext highlighter-rouge">R</code> que nos permite crear corpus, tokenizar y crear algunas gráficas. Otro paquete es <code class="language-plaintext highlighter-rouge">tm</code> pero ese lo vamos a utilizar más adelante.</p>
<blockquote>
<p>Nota:
Una de las cosas que más se me complican es saber a qué #BibliotecaNoLibreria corresponde cada comando. Para intentar que no les pase, voy a usar cada comando mencionando previamente la biblioteca, por ejemplo <code class="language-plaintext highlighter-rouge">tm::stopwords</code>. Si solo pusiera <code class="language-plaintext highlighter-rouge">stopwords</code> también jalaría pero la idea es que sepan de donde viene cada comando.</p>
</blockquote>
<p>Convertir el dataframe en un corpus es bastante sencillo. Basta con este comando:</p>
<p><code class="language-plaintext highlighter-rouge">corp_comments <- quanteda::corpus(data$Comment)</code></p>
<p>Lo que sigue es tokenizar (convertir cada palabra en un objeto que puede analizarse) y después quitar las palabras que no nos sirven. La premisa es que las palabras que más se repiten como los artículos, pronombres, preposiciones; son las que menos aportan al análisis. Las palabras que se repiten menos son las más características de nuestros textos y las que más nos pueden ayudar al análisis. Por eso es importante quitar la paja desde el principio.</p>
<p>En mi primera ejecución quité los stopwords que vienen por default en <code class="language-plaintext highlighter-rouge">tm::stopwords</code> pero cuando vi los tokens me di cuenta que había muchas que no servían en para mi analisis en particular. A lo que voy es que deben entrar a ensuciarse con los datos antes de empezar a hacer cosas bonitas. Si conoces tus datos, les puedes sacar más jugo.</p>
<p>Después de varias iteraciones saqué la lista de palabras que quería quitar y es entonces cuando creé la variable <code class="language-plaintext highlighter-rouge">my_stop_words</code>. Esta la que acabé usando para crear la que usé al final: <code class="language-plaintext highlighter-rouge">final_stop_words</code></p>
<p>Con <code class="language-plaintext highlighter-rouge">Quanteda</code> podemos tokenizar y hacer limpieza en el mismo comando. Esto va a crear un objeto donde cada registro va a ser un token. Después necesitamos crear una <em>Document Feature Matrix (dfm)</em> que es otro tipo de objeto donde cada token se convierte en una “columna” en vez de un registro.</p>
<p>El código es muy simple:</p>
<div class="language-r highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="c1">#creo un corpus con QUANTEDA con los comentarios</span><span class="w">
</span><span class="n">corp_comments</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">quanteda</span><span class="o">::</span><span class="n">corpus</span><span class="p">(</span><span class="n">data</span><span class="o">$</span><span class="n">Comment</span><span class="p">)</span><span class="w">
</span><span class="c1"># voy a tokenizar cada post</span><span class="w">
</span><span class="n">tok_comments</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">quanteda</span><span class="o">::</span><span class="n">tokens</span><span class="p">(</span><span class="n">corp_comments</span><span class="p">,</span><span class="w">
</span><span class="n">remove_numbers</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="kc">TRUE</span><span class="p">,</span><span class="w">
</span><span class="n">remove_punct</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="kc">TRUE</span><span class="p">)</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">tokens_remove</span><span class="p">(</span><span class="n">pattern</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">final_stop_words</span><span class="p">,</span><span class="w">
</span><span class="n">valuetype</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="s1">'fixed'</span><span class="p">)</span><span class="w">
</span><span class="c1"># ahora voy a crear una matrix dfm</span><span class="w">
</span><span class="n">dfmat_comments</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">quanteda</span><span class="o">::</span><span class="n">dfm</span><span class="p">(</span><span class="n">tok_comments</span><span class="p">,</span><span class="n">remove_punct</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="kc">TRUE</span><span class="p">)</span><span class="w">
</span></code></pre></div></div>
<p>Con el <em>dfm</em> podemos ya aplicar varios comandos para sacar las frecuencias de tokens, analisis de sentimientos o para crear nubes de palabras, entre otras cosas.</p>
<p>Empecemos con una nube de palabras:</p>
<div class="language-r highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="n">set.seed</span><span class="p">(</span><span class="m">132</span><span class="p">)</span><span class="w">
</span><span class="n">quanteda</span><span class="o">::</span><span class="n">textplot_wordcloud</span><span class="p">(</span><span class="n">dfmat_comments</span><span class="p">,</span><span class="w">
</span><span class="n">color</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">rev</span><span class="p">(</span><span class="n">RColorBrewer</span><span class="o">::</span><span class="n">brewer.pal</span><span class="p">(</span><span class="m">10</span><span class="p">,</span><span class="w"> </span><span class="s2">"RdBu"</span><span class="p">)),</span><span class="w">
</span><span class="n">max_words</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="m">100</span><span class="p">,</span><span class="w">
</span><span class="n">random_order</span><span class="w"> </span><span class="o">=</span><span class="kc">FALSE</span><span class="p">)</span><span class="w">
</span></code></pre></div></div>
<p><img src="https://github.com/nerudista/DataViz/blob/master/MyFacebook/graficas/wordcloud_quanteda.png?raw=true" alt="quanteda_wordcloud" /></p>
<p>Y podemos ver que soy una persona muy agradecida y que mando muchos abrazos, jeje. Hay por ahí algunos hashtags que me recuerdan que use una app durante un tiempo para publicar fotos.</p>
<p>Ahora vamos a repetir el proceso, con unas pequeñas variantes, pero ahora con <code class="language-plaintext highlighter-rouge">tidytext</code>.</p>
<p>El principio es el mismo: vamos a leer el data frame, hacerle limpieza de dígitos y puntuaciones y después tokenizarlo.</p>
<div class="language-r highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="c1">##### TIDYTEXT #####</span><span class="w">
</span><span class="c1">#Voy a limpiar un poco la base para estandarizarla</span><span class="w">
</span><span class="n">data.limpia</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">data</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">mutate</span><span class="p">(</span><span class="n">Comment</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">iconv</span><span class="w"> </span><span class="p">(</span><span class="n">Comment</span><span class="p">,</span><span class="s2">"UTF-8"</span><span class="p">,</span><span class="w"> </span><span class="s2">"ASCII//TRANSLIT"</span><span class="p">))</span><span class="w"> </span><span class="o">%>%</span><span class="w"> </span><span class="c1"># QUITA ACENTOS Y CARAC. ESPECIALES</span><span class="w">
</span><span class="n">mutate</span><span class="p">(</span><span class="n">Comment</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">tolower</span><span class="p">(</span><span class="n">Comment</span><span class="p">))</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">mutate</span><span class="p">(</span><span class="n">Comment</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">str_squish</span><span class="p">(</span><span class="n">Comment</span><span class="p">))</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">mutate</span><span class="p">(</span><span class="n">Comment</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">str_remove_all</span><span class="p">(</span><span class="n">Comment</span><span class="p">,</span><span class="s2">"[[:punct:]]"</span><span class="p">)</span><span class="w"> </span><span class="p">)</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">mutate</span><span class="p">(</span><span class="n">Comment</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">str_remove_all</span><span class="p">(</span><span class="n">Comment</span><span class="p">,</span><span class="s2">"[[:digit:]]"</span><span class="p">)</span><span class="w"> </span><span class="p">)</span><span class="w">
</span></code></pre></div></div>
<p>Para tokenizar <code class="language-plaintext highlighter-rouge">tidytext</code> nos deja usar varias opciones:</p>
<ul>
<li>word , para tokenizar por palabra.</li>
<li>sencence , para tokenizar por frase.</li>
<li>ngram, para tokenizar por agrupaciones de n-gramas (un bigrama son dos palabras juntas, 4-grama son 4 palabras y así sucesivamente).</li>
</ul>
<p>Para variar un poco voy a ocupar la opción de 2-gramas y crear una wordcloud con la biblioteca del mismo nombre:</p>
<div class="language-r highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="c1">#Ahora a tokenizar por palabra</span><span class="w">
</span><span class="n">tidy.tokens.word</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">data.limpia</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">tidytext</span><span class="o">::</span><span class="n">unnest_tokens</span><span class="p">(</span><span class="n">word</span><span class="p">,</span><span class="n">Comment</span><span class="p">)</span><span class="w">
</span><span class="c1">#Ahora a tokenizar por oracion</span><span class="w">
</span><span class="c1">#Da casi lo mismo que la data.limpia.</span><span class="w">
</span><span class="n">tidy.tokens.sentence</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">data.limpia</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">unnest_tokens</span><span class="p">(</span><span class="n">sentence</span><span class="p">,</span><span class="w"> </span><span class="n">Comment</span><span class="p">,</span><span class="w"> </span><span class="n">token</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="s2">"sentences"</span><span class="p">)</span><span class="w">
</span><span class="c1">#Ahora por n-gramas</span><span class="w">
</span><span class="n">tidy.tokens.ngram</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">data.limpia</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">unnest_tokens</span><span class="p">(</span><span class="n">ngram</span><span class="p">,</span><span class="w"> </span><span class="n">Comment</span><span class="p">,</span><span class="w"> </span><span class="n">token</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="s2">"ngrams"</span><span class="p">,</span><span class="w"> </span><span class="n">n</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="m">2</span><span class="p">)</span><span class="w">
</span><span class="n">cuenta.ngramas</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">tidy.tokens.ngram</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">count</span><span class="p">(</span><span class="n">ngram</span><span class="p">)</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">arrange</span><span class="p">(</span><span class="o">-</span><span class="n">n</span><span class="p">)</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="c1">#dplyr::filter(!ngram %in% tm::stopwords(kind="es")) %>% </span><span class="w">
</span><span class="n">dplyr</span><span class="o">::</span><span class="n">filter</span><span class="p">(</span><span class="o">!</span><span class="n">ngram</span><span class="w"> </span><span class="o">%in%</span><span class="w"> </span><span class="n">final_stop_words</span><span class="p">)</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">dplyr</span><span class="o">::</span><span class="n">filter</span><span class="p">(</span><span class="n">nchar</span><span class="p">(</span><span class="n">ngram</span><span class="p">)</span><span class="o">></span><span class="w"> </span><span class="m">0</span><span class="p">)</span><span class="w">
</span><span class="c1">#Visualizar ngramas</span><span class="w">
</span><span class="n">cuenta.ngramas</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">with</span><span class="p">(</span><span class="n">wordcloud</span><span class="o">::</span><span class="n">wordcloud</span><span class="p">(</span><span class="n">ngram</span><span class="p">,</span><span class="w">
</span><span class="n">n</span><span class="p">,</span><span class="w">
</span><span class="n">max.words</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="m">40</span><span class="p">,</span><span class="w">
</span><span class="n">random.order</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="kc">FALSE</span><span class="p">,</span><span class="w">
</span><span class="n">colors</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">rev</span><span class="p">(</span><span class="n">brewer.pal</span><span class="p">(</span><span class="m">5</span><span class="p">,</span><span class="s2">"Paired"</span><span class="p">))))</span><span class="w">
</span></code></pre></div></div>
<p><img src="https://github.com/nerudista/DataViz/blob/master/MyFacebook/graficas/wordcloud_tm.png?raw=true" alt="wordcloud" /></p>
<p>En el repo viene el código que tienen que agregar para que le den buen tamaño a la imagen y no se les corten palabras.</p>
<h2 id="analisis-de-sentimientos">Analisis de sentimientos</h2>
<p>Aprovechando que tenemos recién creado el objeto <code class="language-plaintext highlighter-rouge">tidy.tokens.word</code>, que contiene tokens por palabra, intentemos hacer algo de análisis de sentimientos. Para eso necesitamos usar un diccionario de palabras. Los más usadons son <strong>Affin, NRC y Bing</strong>. Cada uno tiene sus caracteristicas especiales. Si los buscan en Google hay buenos artículos que mencionan sus diferencias.</p>
<p>Vamos a ocupar el diccionario AFFIN en español que ronda por la internet para ligarlo con cada uno de los tokens que tenemos. El diccionario lo que tiene es algo así:</p>
<table>
<thead>
<tr>
<th>Palabra</th>
<th>Puntuacion</th>
<th>Word</th>
</tr>
</thead>
<tbody>
<tr>
<td>abandona</td>
<td>-2</td>
<td>abandons</td>
</tr>
<tr>
<td>abandonado</td>
<td>-2</td>
<td>abandoned</td>
</tr>
<tr>
<td>abandonar</td>
<td>-2</td>
<td>abandon</td>
</tr>
</tbody>
</table>
<p>Las palabras están puntuadas del -5 al 5.</p>
<p>Vamos a unir el diccionario para luego agrupar por tipo de publicacion (post o comment), sumar la puntuacion de cada agrupación y hacer una gráfica para estrenar el <em>theme</em> que no hemos usado.</p>
<div class="language-r highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="c1"># ahora con afinn</span><span class="w">
</span><span class="n">afinn.esp</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">read_csv</span><span class="p">(</span><span class="s2">"./datos/lexico_afinn.en.es.csv"</span><span class="p">,</span><span class="w">
</span><span class="n">locale</span><span class="o">=</span><span class="n">locale</span><span class="p">(</span><span class="n">encoding</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="s2">"LATIN1"</span><span class="p">))</span><span class="w">
</span><span class="n">fb.affin.esp</span><span class="w"> </span><span class="o"><-</span><span class="w"> </span><span class="n">tidy.tokens.word</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">filter</span><span class="p">(</span><span class="o">!</span><span class="n">word</span><span class="w"> </span><span class="o">%in%</span><span class="w"> </span><span class="n">final_stop_words</span><span class="p">)</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">inner_join</span><span class="p">(</span><span class="n">afinn.esp</span><span class="p">,</span><span class="w">
</span><span class="n">by</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="nf">c</span><span class="p">(</span><span class="s2">"word"</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="s2">"Palabra"</span><span class="w"> </span><span class="p">))</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">distinct</span><span class="p">(</span><span class="n">word</span><span class="p">,</span><span class="w"> </span><span class="n">.keep_all</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="kc">TRUE</span><span class="p">)</span><span class="w">
</span><span class="c1">#graficar</span><span class="w">
</span><span class="n">fb.affin.esp</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">group_by</span><span class="p">(</span><span class="n">tipo</span><span class="p">)</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">summarise</span><span class="p">(</span><span class="w"> </span><span class="n">neto</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="nf">sum</span><span class="p">(</span><span class="n">Puntuacion</span><span class="p">))</span><span class="w"> </span><span class="o">%>%</span><span class="w">
</span><span class="n">ggplot</span><span class="p">(</span><span class="w"> </span><span class="n">aes</span><span class="p">(</span><span class="n">x</span><span class="o">=</span><span class="n">tipo</span><span class="p">,</span><span class="w">
</span><span class="n">y</span><span class="o">=</span><span class="n">neto</span><span class="p">,</span><span class="w">
</span><span class="n">fill</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">tipo</span><span class="p">))</span><span class="o">+</span><span class="w">
</span><span class="n">geom_col</span><span class="p">()</span><span class="o">+</span><span class="w">
</span><span class="n">geom_text</span><span class="p">(</span><span class="w"> </span><span class="n">aes</span><span class="p">(</span><span class="n">x</span><span class="o">=</span><span class="n">tipo</span><span class="p">,</span><span class="n">y</span><span class="o">=</span><span class="n">neto</span><span class="p">,</span><span class="n">label</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">neto</span><span class="p">),</span><span class="w">
</span><span class="n">nudge_y</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="m">8</span><span class="p">,</span><span class="w">
</span><span class="n">family</span><span class="o">=</span><span class="s2">"Lato"</span><span class="p">,</span><span class="w">
</span><span class="n">fontface</span><span class="o">=</span><span class="s2">"bold"</span><span class="p">,</span><span class="w">
</span><span class="n">size</span><span class="o">=</span><span class="m">4.5</span><span class="w">
</span><span class="p">)</span><span class="o">+</span><span class="w">
</span><span class="n">labs</span><span class="p">(</span><span class="n">title</span><span class="o">=</span><span class="s2">"Sentimiento por Tipo de Publicación"</span><span class="p">,</span><span class="w">
</span><span class="n">subtitle</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="s2">"Calificación Obtenida Usando AFFIN"</span><span class="p">,</span><span class="w">
</span><span class="n">caption</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="n">my_caption</span><span class="p">,</span><span class="w">
</span><span class="n">y</span><span class="o">=</span><span class="w"> </span><span class="s2">""</span><span class="p">,</span><span class="w">
</span><span class="n">x</span><span class="o">=</span><span class="s2">""</span><span class="p">)</span><span class="o">+</span><span class="w">
</span><span class="n">scale_fill_manual</span><span class="p">(</span><span class="n">values</span><span class="w"> </span><span class="o">=</span><span class="w"> </span><span class="nf">c</span><span class="p">(</span><span class="s2">"#0a4c6a"</span><span class="p">,</span><span class="s2">"#cfe8f3"</span><span class="p">))</span><span class="o">+</span><span class="w">
</span><span class="n">theme_fb</span><span class="w">
</span></code></pre></div></div>
<p><img src="https://github.com/nerudista/DataViz/blob/master/MyFacebook/graficas/afinn.png?raw=true" alt="affin_por_tipo" /></p>
<p>Lo que se puede ver es que mis respuestas a posts de otros solían ser bastante positivos. Todo lo contrario a cuando hacá post propios. Tiene sentido para mí porque usualmente escribo para criticar algo o expresar mi rechazo hacia algo principalmente político (mi Twitter es un gran ejemplo de eso) mientras que solía responder a muchas publicaciones de cumpleaños de mis amigos. Si recordamos las salidas de ambas <em>wordclouds</em> podemos ver que lo que más decía era “gracias”, “abrazo” y “felicidades”.</p>
<h2 id="en-serio-una-tercera-parte">¿En serio una tercera parte?</h2>
<p>Sí. Porque nos falta jugar con diccionarios NRC, calcular el TF-IDF y encontrar tópicos usando LDA.</p>
<p>Espero este blog les hay aparecido interesante y les den ganas de ir a pedir sus datos y jugar con ellos. Siéntanse libres de contactarme en mi Twitter <a href="https://twitter.com/nerudista">@nerudista</a> si se les ofrece algo.</p>
<p>Así que no se desesperen. La próxima semana se viene la última y nos vamos.
***</p>
<p>¿Qué te pareció la nota? <a href="https://twitter.com/share?text=Obvio+que+estuvo+super+el+blog+%40tacosdedatos+%F0%9F%8C%AE">Mandanos un tuit a @tacosdedatos</a> o <a href="https://twitter.com/share?text=Obvio+que+estuvo+super+el+blog+%40tacosdedatos+y+%40nerudista+%F0%9F%8C%AE">a @nerudista</a> o envianos un correo a <a href="mailto:sugerencias@tacosdedatos.com?subject=Sugerencia&body=Hola-holaaa">✉️ sugerencias@tacosdedatos.com</a>. Y recuerda que puedes subscribirte a nuestro boletín semanal aquí debajo.</p>
</div>
</section>
<!-- Email subscribe form at the bottom of the page -->
<section class="subscribe-form">
<h3 class="subscribe-form-title">Subscríbete a 🌮 tacos de datos | Aprende visualización de datos en español.</h3>
<p>Recibe las mejores publicaciones directamente a tu caja de entrada</p>
<div id="revue-embed">
<form
action="http://boletin.tacosdedatos.com/add_subscriber"
method="post"
id="revue-form"
name="revue-form"
target="_blank"
>
<div class="revue-form-group">
<div>
<label for="member_email">Correo electrónico</label>
<input
class="revue-form-field"
placeholder="Tu correo electrónico"
type="email"
name="member[email]"
id="member_email"
/>
</div>
<div class="revue-form-group">
<label for="member_first_name"
>Nombre <span class="optional">(Opcional)</span></label
>
<input
class="revue-form-field"
placeholder="Nombre (opcional)"
type="text"
name="member[first_name]"
id="member_first_name"
/>
</div>
<div class="revue-form-group">
<label for="member_last_name"
>Apellidos <span class="optional">(Opcional)</span></label
>
<input
class="revue-form-field"
placeholder="Apellidos (opcional)"
type="text"
name="member[last_name]"
id="member_last_name"
/>
</div>
<div class="revue-form-actions">
<input
type="submit"
value="Subscribe"
name="member[subscribe]"
id="member_submit"
/>
</div>
</div>
<div class="revue-form-footer">
Al registrarte declaras aceptar los
<a target="_blank" href="https://www.getrevue.co/terms"
>términos y condiciones de uso</a
>
y la
<a target="_blank" href="https://www.getrevue.co/privacy"
>política de privacidad</a
>
de Revue.
</div>
</form>
</div>
</section>
<footer class="post-full-footer">
<!-- Everything inside the #author tags pulls data from the author -->
<!-- #author-->
<section class="author-card">
<img class="author-profile-image" src="/assets/images/yo_nerudista.jpg" alt="nerudista" />
<section class="author-card-content">
<h4 class="author-card-name"><a href="/author/nerudista">Pablo Quetzalcóatl Vázquez</a></h4>
<p>Me encantan los datos y los deportes. Aprendiz eterno de BI, Dataviz y ahora de Python y R. También entrenador de Triatlón por si ocupan.</p>
</section>
</section>
<div class="post-full-footer-right">
<a class="author-card-button" href="/author/nerudista">Lee Más</a>
</div>
<!-- /author -->
</footer>
<!-- If you use Disqus comments, just uncomment this block.
The only thing you need to change is "test-apkdzgmqhj" - which
should be replaced with your own Disqus site-id. -->
<section class="post-full-comments">
<div id="disqus_thread"></div>
<script>
var disqus_config = function () {
this.page.url = 'https://old.tacosdedatos.com/Dueno-de-mis-Datos-Facebook-Parte-II';
this.page.identifier = 'Dueño de mis datos - Capítulo Facebook - Parte II';
};
(function() {
var d = document, s = d.createElement('script');
s.src = 'https://tacosdedatos.disqus.com/embed.js';
s.setAttribute('data-timestamp', +new Date());
(d.head || d.body).appendChild(s);
})();
</script>
</section>
</article>
</div>
</main>
<!-- Links to Previous/Next posts -->
<aside class="read-next outer">
<div class="inner">
<div class="read-next-feed">
<article class="read-next-card"
style="background-image: url(/assets/images/blog-cover.png)"
>
<header class="read-next-card-header">
<small class="read-next-card-header-sitetitle">— 🌮 tacos de datos | Aprende visualización de datos en español. —</small>
<h3 class="read-next-card-header-title"><a href="/tag/blog/">Blog</a></h3>
</header>
<div class="read-next-divider"><svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24"><path d="M13 14.5s2 3 5 3 5.5-2.463 5.5-5.5S21 6.5 18 6.5c-5 0-7 11-12 11C2.962 17.5.5 15.037.5 12S3 6.5 6 6.5s4.5 3.5 4.5 3.5"/></svg>
</div>
<div class="read-next-card-content">
<ul>
<li><a href="/sidetable-el-beffo-de-pandas">Sidetable, el beffo de pandas</a></li>
<li><a href="/Dueno-de-mis-Datos-Facebook-Parte-III">Dueño de mis datos - Capítulo Facebook - Parte III</a></li>
<li><a href="/pruebas-unitarias-pytest">Probando nuestro código con pytest</a></li>
</ul>
</div>
<footer class="read-next-card-footer">
<a href="/tag/blog/">
See all 22 posts →
</a>
</footer>
</article>
<!-- If there's a next post, display it using the same markup included from - partials/post-card.hbs -->
<article class="post-card post-template">
<a class="post-card-image-link" href="/Dueno-de-mis-Datos-Facebook-Parte-III">
<div class="post-card-image" style="background-image: url(/assets/blogposts/018.PNG)"></div>
</a>
<div class="post-card-content">
<a class="post-card-content-link" href="/Dueno-de-mis-Datos-Facebook-Parte-III">
<header class="post-card-header">
<span class="post-card-tags">Blog</span>
<span class="post-card-tags">Facebook</span>
<span class="post-card-tags">Ggplot2</span>
<span class="post-card-tags">R</span>
<span class="post-card-tags">Text-mining</span>
<h2 class="post-card-title">Dueño de mis datos - Capítulo Facebook - Parte III</h2>
</header>
<section class="post-card-excerpt">
<p></p>
</section>
</a>
<footer class="post-card-meta">