¿Cómo crear tablas de frecuencias de palabras claves y áreas temáticas a partir de una búsqueda sistemática exportada en formato xlsx?
Primero se debe ingresar a posit cloud https://posit.cloud/
Se debe cargar el archivo correspondiente a R, si está trabajando en la nube, se debe buscar el botón upload y subir el archivo en formato xlsx respectivamente.
Se debe cargar el archivo al espacio
library(readxl)
articles <- read_excel("articles.xlsx")
Se debe visualizar el dataframe correctamente cargado
Ahora se crea un vector con las palabras clave
keywords <- articles$keywords
keywords <- unlist(strsplit(keywords, ";")) ##Con este código indicamos que cada término se separa por ";"
keywords <- na.omit(keywords) ##Omite datos faltantes
keywords <- keywords[!grepl("\\b\\d+\\b", keywords)] ##Elimina secuencias de más de tres caracteres numéricos
print(head(keywords, 10))
## [1] "academic achievement" "human" "longitudinal study"
## [4] "medical student" "self concept" "Students, Medical"
## [7] "cannabis" "academic achievement" "adult"
## [10] "alcohol consumption"
Se cargan las siguiente librerías
library(tidyverse)
library(flextable)
library(wordcloud)
Se crea un dataframe con las palabras clave y se crean nuevas columnas para la frecuencia absoluta, frecuencia relativa y frecuencia relativa acumulada
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.2 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.2 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
keywords <- as.data.frame(keywords)
keywords <- keywords %>% group_by(keywords) %>% summarize(Frecuencia = n()) %>% arrange(desc(Frecuencia))
keywords$Porcentaje <- round(keywords$Frecuencia / sum(keywords$Frecuencia) * 100, 1)
keywords$Porcentaje_Acumulado <- cumsum(keywords$Porcentaje)
Se crea la tabla con las 20 palabras más frecuentes y se exporta en formato word
library(flextable)
##
## Attaching package: 'flextable'
## The following object is masked from 'package:purrr':
##
## compose
keywords %>% slice(1:20) %>% ##Selecciona las filas de 1 a 20
flextable() %>%
add_header_lines("Tabla 1. Primeras 20 palabras clave más frecuentes en los últimos 5 años") %>%
fontsize(part = "all", size = 8) %>% ##Tamaño de letra
font(part = "all", fontname = "Arial") %>% ##Tipo de letra
bold(part = "header") %>%
set_table_properties(layout = "autofit") %>%
set_header_labels(keywords = "Palabra Clave", Frecuencia = "n", Porcentaje = "%", Porcentaje_Acumulado = "% a") %>% ##Se asignan los nombres de las columnas
flextable::save_as_docx(path = "Keywords_table.docx")
Tabla 1. Primeras 20 palabras clave más frecuentes en los últimos 5 años | |||
|---|---|---|---|
Palabra Clave | n | % | % a |
human | 123 | 4.5 | 4.5 |
medical student | 118 | 4.3 | 8.8 |
Students, Medical | 90 | 3.3 | 12.1 |
burnout | 78 | 2.9 | 15.0 |
academic achievement | 76 | 2.8 | 17.8 |
female | 76 | 2.8 | 20.6 |
male | 73 | 2.7 | 23.3 |
article | 56 | 2.1 | 25.4 |
adult | 55 | 2.0 | 27.4 |
questionnaire | 40 | 1.5 | 28.9 |
cross-sectional study | 38 | 1.4 | 30.3 |
medical school | 38 | 1.4 | 31.7 |
major clinical study | 34 | 1.3 | 33.0 |
controlled study | 33 | 1.2 | 34.2 |
medical education | 32 | 1.2 | 35.4 |
prevalence | 31 | 1.1 | 36.5 |
depression | 28 | 1.0 | 37.5 |
psychology | 25 | 0.9 | 38.4 |
anxiety | 23 | 0.8 | 39.2 |
young adult | 21 | 0.8 | 40.0 |
Finalmente se crea la nube de palabras y se exporta en formato png
library(wordcloud)
## Loading required package: RColorBrewer
png("Nube_keywords.png", width = 800, height = 600)
wordcloud(words = keywords$keywords,
freq = keywords$Frecuencia,
min.freq = 1,
scale = ,
max.words=20, ##Establece las primeras 20 palabras
random.order=FALSE,
rot.per=0.20,
family="Arial")
dev.off()
## png
## 2
¿Cómo crear la tabla de frecuencias para los tópicos?
Ahora se crea un vector con los tópicos
Topics <- articles$Topics
Topics <- unlist(strsplit(Topics, ",")) ##Con este código indicamos que cada término se separa por ","
Topics <- na.omit(Topics) ##Omite datos faltantes
Topics <- Topics[!grepl("\\b\\d+\\b", Topics)] ##Elimina secuencias de más de tres caracteres numéricos
print(head(Topics, 10))
## [1] "academic failure" " adult" " article"
## [4] " burnout" " cross-sectional study" " data analysis"
## [7] " descriptive research" " economic crisis" " emotional stress"
## [10] " exercise"
Se crea un dataframe con los tópicos y se crean nuevas columnas para la frecuencia absoluta, frecuencia relativa y frecuencia relativa acumulada
library(tidyverse)
Topics <- as.data.frame(Topics)
Topics <- Topics %>% group_by(Topics) %>% summarize(Frecuencia = n()) %>% arrange(desc(Frecuencia))
Topics$Porcentaje <- round(Topics$Frecuencia / sum(Topics$Frecuencia) * 100, 1)
Topics$Porcentaje_Acumulado <- cumsum(Topics$Porcentaje)
Se crea la tabla con los 20 tópicos más frecuentes y se exporta en formato word
library(flextable)
Topics %>% slice(1:20) %>% ##Selecciona las filas de 1 a 20
flextable() %>%
add_header_lines("Tabla 1. Primeros 20 tópicos más frecuentes en los últimos 5 años") %>%
fontsize(part = "all", size = 8) %>% ##Tamaño de letra
font(part = "all", fontname = "Arial") %>% ##Tipo de letra
bold(part = "header") %>%
set_table_properties(layout = "autofit") %>%
set_header_labels(Topics = "Tópicos", Frecuencia = "n", Porcentaje = "%", Porcentaje_Acumulado = "% a") %>% ##Se asignan los nombres de las columnas
flextable::save_as_docx(path = "Topics_table.docx")
Tabla 1. Primeros 20 tópicos más frecuentes en los últimos 5 años | |||
|---|---|---|---|
Tópicos | n | % | % a |
human | 7 | 5.9 | 5.9 |
medical student | 6 | 5.1 | 11.0 |
Medical. | 4 | 3.4 | 14.4 |
Students | 4 | 3.4 | 17.8 |
article | 4 | 3.4 | 21.2 |
mental health | 4 | 3.4 | 24.6 |
academic achievement | 4 | 3.4 | 28.0 |
female | 3 | 2.5 | 30.5 |
male | 3 | 2.5 | 33.0 |
medical school | 3 | 2.5 | 35.5 |
prevalence | 3 | 2.5 | 38.0 |
adult | 2 | 1.7 | 39.7 |
anxiety | 2 | 1.7 | 41.4 |
controlled study | 2 | 1.7 | 43.1 |
cross-sectional study | 2 | 1.7 | 44.8 |
emotion | 2 | 1.7 | 46.5 |
epidemiology | 2 | 1.7 | 48.2 |
major clinical study | 2 | 1.7 | 49.9 |
pandemic | 2 | 1.7 | 51.6 |
student burnout | 2 | 1.7 | 53.3 |
Finalmente se crea la nube de palabras y se exporta en formato png
library(wordcloud)
png("Nube_Topics.png", width = 800, height = 600)
wordcloud(words = Topics$Topics,
freq = Topics$Frecuencia,
min.freq = 1,
scale = ,
max.words=20, ##Establece las primeras 20 palabras
random.order=FALSE,
rot.per=0.20,
family="Arial")
dev.off()
## png
## 2