library(dplyr)
library(tidyr)
library(ggplot2)
library(tidytext)
library(textdata)
library(wordcloud)
library(tidytext)
library(tidyverse)
tweets <- read.csv("Yandex.Disk.localized/tweets 2.csv", stringsAsFactors = FALSE)
tweets$candidate <- ifelse(tweets$handle == "HillaryClinton", "Clinton", "Trump")Анализ твитов Хиллари Клинтон и Дональда Трампа во время предвыборной гонки 2016 года
Анализ датасета твитов
Abstract
Путешествие в прекрасный и яростный мир американской политики
1 Интернет-исследование одних из самых скандальных выборов XXI века
О чем это исследование? В 2016-м году прошли выборы президента США, победу в которых одержал текущий президент страны Дональд Трамп. В этом тексте мы проанализируем твиты Трампа (@realDonaldTrump) и его оппонентки из Демократической партии Хиллари Клинтон (@HillaryClinton).
Импортируем файл
2 Общие подсчеты
Считаем сколько у нас твитов всего: в том числе и у каждого кандидата отдельно.
#Клинтон
sum(tweets$candidate == "Clinton")[1] 3226#Трамп
sum(tweets$candidate == "Trump")[1] 3218#Всего
nrow(tweets)[1] 6444hashtags <- str_extract_all(tweets$text, "#[A-Za-z0-9_]+") |> unlist()
hashtag_counts <- table(tolower(hashtags)) |> sort(decreasing = TRUE)
print(head(hashtag_counts, 5))
#trump2016 #makeamericagreatagain #votetrump
348 254 68
#americafirst #rncincle
67 67 Что это значит? C хэштегами получается интересная ситуация: 4 из 5 наиболее распространенных напрямую связаны с Трампом: будь то напрямую его фамилия или его же лозунги типа “americafirst” или “makeamericagreatagain”. И это несмотря на то, что общее количество твитов с минимальной разницей больше у Клинтон. С высоты 2025-го года уже давно известно, кто в той гонке одержал победу – но в этом исследовании через открытые данные я выделю основные аспекты ведения соцсетей республиканским кандидатом, которые помогли ему получить поддержку электората. 
А пока что токенизируем наши данные.
tokens_df <- tweets |>
unnest_tokens(word, text) |>
anti_join(stop_words) |>
filter(!str_detect(word, "https|t\\.co|[0-9]"))Joining with `by = join_by(word)`3 Визуализируем!
Теперь визуализируем самые распространенные слова из твитов обоиз кандидатов. Ввиду особого оформления текстов на твиттере, включая различные элементы (https, @, t// и тд), фильтрация будет специфической.
word_freq <- tweets |>
unnest_tokens(word, text) |>
anti_join(stop_words) |>
filter(!str_detect(word, "^https|^t\\.co|^@|^[0-9]+$")) |>
count(candidate, word, sort = TRUE)Joining with `by = join_by(word)`top_words <- word_freq |>
group_by(candidate) |>
top_n(10, n) |>
ungroup()
ggplot(top_words, aes(x = reorder(word, n), y = n, fill = candidate)) +
geom_col() +
coord_flip() +
facet_wrap(~candidate, scales = "free") +
labs(title = "Топ-10 слов по кандидатам", x = "Слово", y = "Частота") +
scale_fill_manual(values = c("Clinton" = "blue", "Trump" = "red")) +
theme_minimal()
summary_table <- tweets |>
group_by(candidate) |>
summarise(
tweets = n(),
avg_retweets = mean(as.numeric(retweet_count), na.rm = TRUE),
avg_favorites = mean(as.numeric(favorite_count), na.rm = TRUE)
)
summary_table# A tibble: 2 × 4
candidate tweets avg_retweets avg_favorites
<chr> <int> <dbl> <dbl>
1 Clinton 3226 2984. 6700.
2 Trump 3218 5812. 16614.4 Эмоциональный анализ
Теперь анализируем эмоциональную составляющую текста:
afinn <- get_sentiments("afinn")
sentiment_afinn <- tokens_df |>
inner_join(afinn, by = "word") |>
group_by(candidate) |>
summarise(
net_sentiment = sum(value),
total_words = n(),
avg_sentiment = mean(value)
)
sentiment_afinn# A tibble: 2 × 4
candidate net_sentiment total_words avg_sentiment
<chr> <dbl> <int> <dbl>
1 Clinton 171 3219 0.0531
2 Trump 350 3581 0.0977Тут мы можем увидеть что Дональд Трамп в целом использует больше эмоциональной лексики – и исходя из этого как “позитивной, так и”негативной” у него тоже больше.
5 А как же штаты?
А вот и самая интересная часть моего исследования – штаты! В выборах США крайне важно, к какому конкретно региону обращается кандидат: иногда для него важно подчеркнуть какие-то тезисы для своего ядерного электората (тогда испоьзуются штаты с однозначной поддержкой той или иной партии), а иногда кандидату надо привлечь внимание людей из колеблющихся штатов: который из года в год голосует по разному.
Для такой задачи я заранее выписал все штаты (пока что, благо, без Гренландии и Канады :)) и приступил к их анализу:
states <- c("Alabama","Alaska","Arizona","Arkansas","California","Colorado",
"Connecticut","Delaware","Florida","Georgia","Hawaii","Idaho",
"Illinois","Indiana","Iowa","Kansas","Kentucky","Louisiana",
"Maine","Maryland","Massachusetts","Michigan","Minnesota",
"Mississippi","Missouri","Montana","Nebraska","Nevada",
"New Hampshire","New Jersey","New Mexico","New York",
"North Carolina","North Dakota","Ohio","Oklahoma","Oregon",
"Pennsylvania","Rhode Island","South Carolina","South Dakota",
"Tennessee","Texas","Utah","Vermont","Virginia","Washington",
"West Virginia","Wisconsin","Wyoming")
find_states <- function(text, state_list) {
matches <- str_extract_all(text, regex(paste(state_list, collapse="|"), ignore_case=TRUE))
return(unlist(matches))
}
# Клинтон
clinton_tweets <- tweets |> filter(candidate == "Clinton")
clinton_states <- unlist(lapply(clinton_tweets$text, find_states, states))
print(sort(table(tolower(clinton_states)), decreasing=TRUE)[1:5])
new york washington indiana virginia ohio
31 12 11 11 10 #Трамп
trump_tweets <- tweets |> filter(candidate == "Trump")
trump_states <- unlist(lapply(trump_tweets$text, find_states, states))
print(sort(table(tolower(trump_states)), decreasing=TRUE)[1:5])
iowa ohio florida new york new hampshire
82 58 54 51 49 Для большей наглядности – визуализируем!
par(mfrow = c(1, 2), mar = c(0, 0, 2, 0))
wordcloud(names(table(clinton_states)), table(clinton_states),
colors = brewer.pal(8, "Blues"), scale = c(2, 0.5),
main = "Клинтон", max.words = 30)
wordcloud(names(table(trump_states)), table(trump_states),
colors = brewer.pal(8, "Reds"), scale = c(2, 0.5),
main = "Трамп", max.words = 30)
И что мы видим? Хиллари Клинтон (синяя) в основном обращается к традиционно “синим” штатам (Нью-Йорк, Вашингтон, Индиана). Дональд Трамп же хоть и тоже опирается на “красные” Неваду и Техас – в основном коммуницириует с так называемым “ржавым” поясом: регионом с колеблящимся электоратом. Штаты Iowa, Pennsylvania, Ohio, Indiana как раз были одним из самых упоминаемых в твитах президента (Клинтон некоторые из них тоже упоминает, но в меньшей степени). И что интересно – во всех перечисленных мною штатах республиканец одержал победу даже в прямом голосовании. (хоть и в некоторых с минимальным отрывом)
6 Выводы
Проведенное мною исследование показало следующие интересные моменты:
1) Дональд Трамп имел более активный фидбек со стороны пользователей (статистика по числу ретвитов на его стороне), также гораздо более активно работал с хэштегами.
2) Хиллари Клинтон писала менее эмоциональные твиты и опиралась на традиционно демократические штаты.
3) Трамп писал более эмоциональные твиты и опирался на как “свои” штаты, так и на колеблющиеся.
4) Трамп использует лозунги как инструмент для распространения своих твитов (через хэштеги).