Biografía del presidente

Ollanta Moisés Humala Tasso (Lima, 27 de junio de 1962) es un exmilitar y político peruano. Fue presidente de la República del Perú, de 2011 a 2016, tras ser candidato por la alianza electoral Gana Perú. En las elecciones generales del 2011, realizadas el 10 de abril, pasó al balotaje, realizado el 5 de junio, al no haber superado el 50 %, lo mismo que Keiko Fujimori, y venció al conseguir el 51,45 % de los votos válidos.

Más información: https://es.wikipedia.org/wiki/Ollanta_Humala

library(pacman)
p_load(vembedr)
embed_url('https://www.youtube.com/watch?v=iy6fo2KyZik&ab_channel=PresidenciadelaRep%C3%BAblicadelPer%C3%BA')

Lectura de datos

# Cargando paquetes
library(pacman)
p_load(tidyverse, tidytext, tm, wordcloud, wordcloud2, 
       pdftools, patchwork, widyr, dplyr, magrittr, stringr, readxl,
       forcats, gganimate)

disc <- pdf_text("mensaje-2015-oh.pdf")

disc <- paste(disc, collapse = " ")

Limpieza de datos

disc <-  str_remove_all(disc, "MENSAJE DEL PRESIDENTE CONSTITUCIONAL DEL PERÚ")
disc <-  str_remove_all(disc, "COMANDANTE OLLANTA HUMALA TASSO")
disc <-  str_remove_all(disc, "Fuente: Diario Oficial El Peruano, 29 de julio de 2015")

## Eliminar n de páginas
disc <- str_replace_all(disc, "[:blank:]{2,}", " ")
## Eliminar signos de puntuación
disc <- str_remove_all(disc, "[:punct:]")
## Eliminar números
disc <- str_remove_all(disc, "[:digit:]")

# Convirtiendolo en archivo plano
write_lines(disc, "Discurso_Presidencial_2015.txt")

disc <- scan("Discurso_Presidencial_2015.txt",
             encoding = "UTF-8", what = "char",
             sep = "\n")

disc <- tibble(disc) %>% 
  unnest_tokens(Token, disc) %>% 
  mutate(Token = removeNumbers(Token)) 

# Eliminar las palabras vacías
stopwords_es_1        <- read_excel("CustomStopWords.xlsx")
names(stopwords_es_1) <- c("Token", "Fuente")

stopwords_es_2 <- tibble(Token = c(""), Fuente="Mis StopWords")

stopwords_es   <- rbind(stopwords_es_1, stopwords_es_2)
stopwords_es   <- stopwords_es[!duplicated(stopwords_es$Token), ]

# Removiendo los stopwords
disc <- disc %>% anti_join(stopwords_es)

### Remplazando Tokens
disc$Token <- str_replace(disc$Token, "perú", "país")
disc$Token <- str_replace(disc$Token, "accedo", "acceder")
disc$Token <- str_replace(disc$Token, "ciudadana", "ciudadanía")
disc$Token <- str_replace(disc$Token, "años", "año")

Las 10 palabras más usadas en el discurso

disc_frecuencias <- disc %>%
  count(Token, sort = TRUE)

graf1 <- disc_frecuencias %>% 
  top_n(10) %>% 
  ggplot() + aes(x = fct_reorder(Token, n), 
                 y = n, fill = Token) +     
  geom_col() +
  labs(x = NULL, y = "Frecuencia", 
       title = "Mensaje Presidencial setiembre-2015") +
  theme_minimal() +
  theme(legend.position = "none") + 
  coord_flip() + transition_states(fct_reorder(Token, n)) +
  enter_grow() +
  shadow_mark()

graf1

Nube de palabras

set.seed(124)
wordcloud(words = disc_frecuencias$Token,
          freq  = disc_frecuencias$n,
          max.words = 100,
          colors=brewer.pal(8, "Accent"))

Analisis de sentimiento

sentimientos <- read.delim("sentimientos_2.txt")

sentimientos <- as.tibble(sentimientos)

sentimientos <- distinct(sentimientos)

disc_sentimientos <- disc %>% 
  inner_join(sentimientos, by = c("Token" = "palabra"))

library(scales)

disc_conteo = disc_sentimientos %>%
  group_by(sentimiento) %>% count(Token) %>% top_n(3,n)

ggplot(disc_conteo) + 
  aes(x= fct_reorder(Token,n),
      y= n,
      fill= sentimiento) +
  geom_col(show.legend = FALSE) +
  facet_wrap( ~ sentimiento, scales= "free") +
  labs(title= "Gráfico de palabras por sentimiento",
       x= "Palabras", y= "Frecuencia") + 
  theme_bw() +
  coord_flip()