以文字分析平台之資料進行基本繪圖
MingLun Wu
2019/03/05
Abstract
使用文字分析平台輸出之資料，以’dplyr’及’ggplot2’套件進行基本資料視覺化Ch.0 : 資料取得及觀念複習
1. 資料取得及套件載入
載入的資料是由中山大學管理學院文字分析平台取得，在平台資料輸出區塊選擇「文章+詞彙+詞頻」選項，即可取得相同格式之csv檔案。
資料簡介
本資料為2019/01/01 ~ 2019/03/04 PTT八卦版之資料，透過文字分析平台檢索「還願」、「美心」兩個關鍵字，共搜尋到683篇文章。
安裝需要的packages
packages = c("dplyr","ggplot2", "data.table", "scales")
#要安裝的packages
existing = as.character(installed.packages()[,1])
#將所有已安裝的packages叫出
for(pkg in packages[!(packages %in% existing)]) install.packages(pkg)
#把尚未安裝的進行安裝a <- c(1:10)
b <- seq(1,10,2)
a %in% b## [1] TRUE FALSE TRUE FALSE TRUE FALSE TRUE FALSE TRUE FALSEa[a %in% b]## [1] 1 3 5 7 9require(ggplot2)
require(dplyr)
require(data.table)
require(scales)
csv <- fread("./data/social_media_0305_artWordFreq.csv", encoding = "UTF-8")head(csv)## artTitle artDate artTime
## 1: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019/01/03 14:50:55
## 2: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019/01/03 14:50:55
## 3: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019/01/03 14:50:55
## 4: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019/01/03 14:50:55
## 5: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019/01/03 14:50:55
## 6: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019/01/03 14:50:55
## artUrl word count
## 1: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html 四面佛 7
## 2: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html 還願 4
## 3: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html 越來越 2
## 4: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html 舞者 2
## 5: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html 新莊 2
## 6: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html 妹子 1str(csv)## Classes 'data.table' and 'data.frame': 34501 obs. of 6 variables:
## $ artTitle: chr "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" ...
## $ artDate : chr "2019/01/03" "2019/01/03" "2019/01/03" "2019/01/03" ...
## $ artTime : chr "14:50:55" "14:50:55" "14:50:55" "14:50:55" ...
## $ artUrl : chr "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" ...
## $ word : chr "四面佛" "還願" "越來越" "舞者" ...
## $ count : int 7 4 2 2 2 1 1 1 1 1 ...
## - attr(*, ".internal.selfref")=<externalptr>#維度34501*6，6個變數皆屬於文字csv$artDate = csv$artDate %>% as.Date("%Y/%m/%d")
#將時間變數屬性由文字轉成時間
str(csv)## Classes 'data.table' and 'data.frame': 34501 obs. of 6 variables:
## $ artTitle: chr "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" ...
## $ artDate : Date, format: "2019-01-03" "2019-01-03" ...
## $ artTime : chr "14:50:55" "14:50:55" "14:50:55" "14:50:55" ...
## $ artUrl : chr "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" ...
## $ word : chr "四面佛" "還願" "越來越" "舞者" ...
## $ count : int 7 4 2 2 2 1 1 1 1 1 ...
## - attr(*, ".internal.selfref")=<externalptr>資料預設之日期欄位是“chr”格式，在畫圖前我們須先將其轉為“date”格式，轉換後可以透過str指令來確認欄位型態。
head(csv)## artTitle artDate artTime
## 1: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019-01-03 14:50:55
## 2: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019-01-03 14:50:55
## 3: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019-01-03 14:50:55
## 4: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019-01-03 14:50:55
## 5: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019-01-03 14:50:55
## 6: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019-01-03 14:50:55
## artUrl word count
## 1: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html 四面佛 7
## 2: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html 還願 4
## 3: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html 越來越 2
## 4: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html 舞者 2
## 5: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html 新莊 2
## 6: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html 妹子 1資料欄位
- artTitle: 文章之標題，注意:不同文章可能會有完全相同的標題。
- artDate: 文章發佈之日期。
- artTime: 文章發佈之時間。
- artUrl: 文章之網址，每篇文章之網址為獨一無二的，可用來辨識相同標題之不同文章。
- word: 詞彙。
- count: 詞頻。
Ch.1 日期折線圖
這個章節的目的是計算出每一天文章的發表數量，可以看出特定主題討論的熱度。
資料處理
csv %>% select(artUrl) %>% distinct() %>% dim()## [1] 683 1csv[,artUrl,artDate] %>% distinct() %>% dim()## [1] 683 2data <- csv %>%
select(artDate, artUrl) %>%
distinct()
data %>% dim()## [1] 683 2由於這份資料的每一列是特定文章的每一個詞彙，我們只需要文章以及日期兩個欄位即可，其他重複欄位可以去除。(一篇文章有很多個詞彙，所以會有很多列，但我們只需要保留一個URL即可)。
str(data) ## Classes 'data.table' and 'data.frame': 683 obs. of 2 variables:
## $ artDate: Date, format: "2019-01-03" "2019-01-13" ...
## $ artUrl : chr "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" "https://www.ptt.cc/bbs/Gossiping/M.1547383858.A.D14.html" "https://www.ptt.cc/bbs/Gossiping/M.1547387269.A.3A7.html" "https://www.ptt.cc/bbs/Gossiping/M.1547391016.A.E55.html" ...
## - attr(*, ".internal.selfref")=<externalptr>article_count_by_date <- data %>%
group_by(artDate) %>%
summarise(count = n())
head(article_count_by_date, 20)## # A tibble: 20 x 2
## artDate count
## <date> <int>
## 1 2019-01-03 1
## 2 2019-01-13 3
## 3 2019-01-14 2
## 4 2019-01-15 1
## 5 2019-01-18 1
## 6 2019-01-20 1
## 7 2019-02-01 1
## 8 2019-02-10 1
## 9 2019-02-12 2
## 10 2019-02-17 2
## 11 2019-02-18 6
## 12 2019-02-19 79
## 13 2019-02-20 33
## 14 2019-02-21 24
## 15 2019-02-22 65
## 16 2019-02-23 157
## 17 2019-02-24 126
## 18 2019-02-25 91
## 19 2019-02-26 36
## 20 2019-02-27 20按照日期分群，計算每天共有幾篇討論文章。
article_count_by_date %>%
# aesthetics
ggplot(aes(x = artDate, y = count)) +
# geometrics
geom_step(color = "#00AFBB", size = 0.5)
article_count_by_date$artDate <- article_count_by_date$artDate %>% as.Date(format="%Y/%m/%d")
str(article_count_by_date$artDate)## Date[1:23], format: "2019-01-03" "2019-01-13" "2019-01-14" "2019-01-15" "2019-01-18" ...plot_date <-
# data
article_count_by_date %>%
# aesthetics
ggplot(aes(x = artDate, y = count)) +
# geometrics
geom_line(color = "#00AFBB", size = 2) +
geom_vline(xintercept = as.numeric(as.Date("2019-02-15")), col='red') +
#在時間2019-02-15加上紅線
ggtitle("還願 討論文章數") +
xlab("日期") + #y軸名稱
ylab("數量") + #x軸名稱
# theme
theme(text = element_text(family = "Heiti TC Light")) #加入中文字型設定，避免中文字顯示錯誤。
plot_date
> 從上圖中可以看到關於「還願」的討論從02/15開始加溫，對照維基百科簡介可得知此款遊戲於2019/02/19正式上市。
Ch.2 文字雲
接下來我們來大略觀察討論的內容為何，使用的方式為文字雲。
str(csv)## Classes 'data.table' and 'data.frame': 34501 obs. of 6 variables:
## $ artTitle: chr "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" ...
## $ artDate : Date, format: "2019-01-03" "2019-01-03" ...
## $ artTime : chr "14:50:55" "14:50:55" "14:50:55" "14:50:55" ...
## $ artUrl : chr "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" ...
## $ word : chr "四面佛" "還願" "越來越" "舞者" ...
## $ count : int 7 4 2 2 2 1 1 1 1 1 ...
## - attr(*, ".internal.selfref")=<externalptr>data <- csv %>%
group_by(word) %>%
summarise(sum = sum(count)) %>%
arrange(desc(sum))先將資料集中所有文章按照文字進行分群，計算每一個字的總詞頻。
head(data)## # A tibble: 6 x 2
## word sum
## <chr> <int>
## 1 還願 1367
## 2 遊戲 1280
## 3 中國 587
## 4 台灣 428
## 5 赤燭 417
## 6 網友 306結果為總詞頻最多的字。
require(wordcloud2)
data %>% wordcloud2()data %>% wordcloud2(shape = "square",
backgroundColor='Lightblue',
size = 0.2)#文字雲調被景色與形狀將整理好的資料直接送入wordcloud2 function即可得到文字雲。此套件為互動式介面，使用滑鼠移動到特定的詞彙，畫面會同時顯示詞彙以及對應的詞頻。
按照日期進行區分
在Ch.1中的日期折線圖中，我們發現在2/22前後討論數量有一波轉折，我們來看看2/22前後的討論內容是否有不同的地方。
data_before <- csv %>% filter(artDate <= "2019-02-22")
data_after <- csv %>% filter(artDate > "2019-02-22")按照日期切分資料
data_before <- data_before %>%
group_by(word) %>%
summarise(sum = sum(count)) %>%
arrange(desc(sum))
data_after <- data_after %>%
group_by(word) %>%
summarise(sum = sum(count)) %>%
arrange(desc(sum))與Ch.2相同的資料處理。
plot_before <- data_before %>% wordcloud2()
plot_beforeplot_after <- data_after %>% wordcloud2()
plot_after觀察兩張圖片可以發現，在2/22以前，主要討論為「實況」、「劇情」、「美心」等遊戲本身內容，或是與「返校」等相關作品之比較。 在2/22以後，開始出現大量「中國」、「台灣」、「習近平」、「符咒」、「小熊維尼」等關鍵字。對照維基百科簡介可得知此款遊戲於2019/2/21爆發符咒爭議事件，導致討論焦點開始模糊。
練習練習～
可以發現本次資料集是使用「劇情」、「美心」為關鍵字抓的，所以理所當然「劇情」與「美心」的詞頻會很高。
那麼就請各位將這兩個關鍵字移除後重新繪製文字雲吧！
head(data)## # A tibble: 6 x 2
## word sum
## <chr> <int>
## 1 還願 1367
## 2 遊戲 1280
## 3 中國 587
## 4 台灣 428
## 5 赤燭 417
## 6 網友 306#data[,1]=="還願"
newdata <- data[-(data$word==c("還願","遊戲")),]Ch3. 長條圖
文字雲可以直覺看出較常提到的字，但如果想得到精確的「最常出現詞彙」，我們則可以透過長條圖來查看。
data <- rbind(data_before %>% mutate(type="before"), data_after %>% mutate(type="after"))將2/22前後的資料加入一個欄位標示後合併起來。
除了詞彙及詞頻以外，還多了一個type欄位來區分2/22以前或是以後。
data %>%
group_by(type) %>%
top_n(15, sum) %>%
ungroup() %>%
mutate(word = reorder(word, sum))## # A tibble: 31 x 3
## word sum type
## <fct> <int> <chr>
## 1 還願 412 before
## 2 遊戲 367 before
## 3 台灣 128 before
## 4 實況 106 before
## 5 玩家 98 before
## 6 恐怖 80 before
## 7 返校 78 before
## 8 赤燭 72 before
## 9 劇情 70 before
## 10 有沒有 64 before
## # ... with 21 more rowsplot_merge <- data %>%
group_by(type) %>%
top_n(15, sum) %>%
ungroup() %>%
mutate(word = reorder(word, sum)) %>%
ggplot(aes(x=word, y=sum, fill = type)) +
geom_col(show.legend = FALSE) +
labs(x = NULL, y="詞頻") +
facet_wrap(~type, ncol = 1, scales="free") +
coord_flip()+
theme(text = element_text(family = "Heiti TC Light"))
plot_merge
> 由上圖可以看到，最常出現的字仍為「還願」、「遊戲」，然而在2/22以後「符咒」、「習近平」、「小熊維尼」等詞彙討論數異常升高。
plot_merge <- data %>%
group_by(type) %>%
top_n(25, sum) %>%
ungroup() %>%
#filter(!(duplicated(word)| duplicated(word, fromLast = TRUE))) #%>%
group_by(word) %>%
filter(n()==1) %>%
ungroup() %>%
mutate(word = reorder(word, sum)) %>%
ggplot(aes(word, sum, fill = type)) +
geom_col(show.legend = FALSE) +
labs(x = NULL, y="總和") +
facet_wrap(~type, ncol = 1, scales="free") +
coord_flip()+
theme(text = element_text(family = "Heiti TC Light"))
plot_merge
> 將重複的詞彙移除後，可以看到在2/22以前討論的辭彙多是與遊戲劇情有有關的，例如「實況」、「返校」、「劇情」、「直播」、「老師」、「國產」等…
但是在2/22之後，常出現的詞彙變成，「符咒」、「習近平」、「小熊維尼」、「大陸」、「下架」等。
Ch.3 情緒折線圖
透過文字分析平台可以輸出每篇文章的情緒分數，在資料預覽頁面選擇「文章+情緒」選項即可得到資料。
載入資料
csv_sen <- fread("./data/social_media_0305_artSen.csv", encoding = "UTF-8")
head(csv_sen)## artTitle artDate artTime
## 1: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019/01/03 14:50:55
## 2: [問卦]還願會有櫻花妹玩嗎? 2019/01/13 04:44:56
## 3: [問卦]求神不還願會怎麼樣？ 2019/01/13 05:41:36
## 4: [新聞]影／比《返校》更恐怖！赤燭新作《還願》 2019/01/13 06:44:11
## 5: [新聞]國產一級棒！《返校》開發團隊新作《還願 2019/01/14 00:39:48
## 6: [問卦]有沒有還願的八卦 2019/01/14 23:34:49
## artUrl
## 1: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html
## 2: https://www.ptt.cc/bbs/Gossiping/M.1547383858.A.D14.html
## 3: https://www.ptt.cc/bbs/Gossiping/M.1547387269.A.3A7.html
## 4: https://www.ptt.cc/bbs/Gossiping/M.1547391016.A.E55.html
## 5: https://www.ptt.cc/bbs/Gossiping/M.1547455551.A.679.html
## 6: https://www.ptt.cc/bbs/Gossiping/M.1547538053.A.C23.html
## positive_emotion_grade negative_emotion_grade neutral_emotion_grade
## 1: 4 0 1
## 2: 1 0 0
## 3: 0 2 0
## 4: 2 1 1
## 5: 4 3 1
## 6: 1 1 0資料欄位介紹：
1. artTitle: 文章之標題，注意:不同文章可能會有完全相同的標題。
2. artDate: 文章發佈之日期。
3. artTime: 文章發佈之時間。
4. artUrl: 文章之網址，每篇文章之網址為獨一無二的，可用來辨識相同標題之不同文章。
5. positive_emotion_grade: 本篇文章出現多少次正面情緒詞彙。
6. negative_emotion_grade: 本篇文章出現多少次負面情緒詞彙。
7. neutral_emotion_grade: 本篇文章出現多少次中性情緒詞彙。
csv_sen$artDate = csv_sen$artDate %>% as.Date("%Y/%m/%d")
str(csv_sen)## Classes 'data.table' and 'data.frame': 683 obs. of 7 variables:
## $ artTitle : chr "[新聞]萌妹子香汗淋漓 彎腰向四面佛還願" "[問卦]還願會有櫻花妹玩嗎?" "[問卦]求神不還願會怎麼樣？" "[新聞]影／比《返校》更恐怖！赤燭新作《還願》" ...
## $ artDate : Date, format: "2019-01-03" "2019-01-13" ...
## $ artTime : chr "14:50:55" "04:44:56" "05:41:36" "06:44:11" ...
## $ artUrl : chr "https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html" "https://www.ptt.cc/bbs/Gossiping/M.1547383858.A.D14.html" "https://www.ptt.cc/bbs/Gossiping/M.1547387269.A.3A7.html" "https://www.ptt.cc/bbs/Gossiping/M.1547391016.A.E55.html" ...
## $ positive_emotion_grade: int 4 1 0 2 4 1 1 0 16 7 ...
## $ negative_emotion_grade: int 0 0 2 1 3 1 0 1 9 2 ...
## $ neutral_emotion_grade : int 1 0 0 1 1 0 0 0 2 0 ...
## - attr(*, ".internal.selfref")=<externalptr>與Ch.1相同，資料預設日期格式為“chr”，我們需要先將其轉為“date”格式。
csv_sen## artTitle artDate artTime
## 1: [新聞]萌妹子香汗淋漓 彎腰向四面佛還願 2019-01-03 14:50:55
## 2: [問卦]還願會有櫻花妹玩嗎? 2019-01-13 04:44:56
## 3: [問卦]求神不還願會怎麼樣？ 2019-01-13 05:41:36
## 4: [新聞]影／比《返校》更恐怖！赤燭新作《還願》 2019-01-13 06:44:11
## 5: [新聞]國產一級棒！《返校》開發團隊新作《還願 2019-01-14 00:39:48
## ---
## 679: [問卦]有生之年等的到《還願》上架嗎？ 2019-03-02 06:10:24
## 680: [問卦]還願的廣告怎麼只看到二則 2019-03-02 06:49:58
## 681: [新聞]誤會一場被冤枉了?網友專業神解釋還願咒 2019-03-02 06:51:00
## 682: [問卦]還願劇情有沒不合理的地方？ 2019-03-02 07:02:18
## 683: Re:[問卦]如果美心還活著現在會過怎麼樣的生活?? 2019-03-02 08:19:05
## artUrl
## 1: https://www.ptt.cc/bbs/Gossiping/M.1546556219.A.A7A.html
## 2: https://www.ptt.cc/bbs/Gossiping/M.1547383858.A.D14.html
## 3: https://www.ptt.cc/bbs/Gossiping/M.1547387269.A.3A7.html
## 4: https://www.ptt.cc/bbs/Gossiping/M.1547391016.A.E55.html
## 5: https://www.ptt.cc/bbs/Gossiping/M.1547455551.A.679.html
## ---
## 679: https://www.ptt.cc/bbs/Gossiping/M.1551536187.A.79D.html
## 680: https://www.ptt.cc/bbs/Gossiping/M.1551538561.A.D84.html
## 681: https://www.ptt.cc/bbs/Gossiping/M.1551538623.A.BC7.html
## 682: https://www.ptt.cc/bbs/Gossiping/M.1551539303.A.E22.html
## 683: https://www.ptt.cc/bbs/Gossiping/M.1551543910.A.952.html
## positive_emotion_grade negative_emotion_grade neutral_emotion_grade
## 1: 4 0 1
## 2: 1 0 0
## 3: 0 2 0
## 4: 2 1 1
## 5: 4 3 1
## ---
## 679: 0 0 1
## 680: 2 0 1
## 681: 2 9 0
## 682: 1 2 0
## 683: 1 1 0csv_sen <- csv_sen %>% filter(artDate >= "2019-02-15")從前幾個章節得到主要討論都是由2/15後才開始，所以先把不相關的雜訊排除。
data_sen <- csv_sen %>%
group_by(artDate) %>%
summarise(positive = sum(positive_emotion_grade), negative = sum(negative_emotion_grade), neutral = sum(neutral_emotion_grade))
head(data_sen)## # A tibble: 6 x 4
## artDate positive negative neutral
## <date> <int> <int> <int>
## 1 2019-02-17 0 1 0
## 2 2019-02-18 3 7 1
## 3 2019-02-19 132 102 17
## 4 2019-02-20 78 67 13
## 5 2019-02-21 34 28 5
## 6 2019-02-22 102 122 13將資料按照日期分群後，加總每天的三種情緒分數，並進行標準化。
data_sen %>% ggplot(aes(x= artDate)) +
geom_line(aes(y = positive, colour = "red")) +
geom_line(aes(y = negative, colour = "blue")) +
geom_line(aes(y = neutral, colour = "yellow")) +
scale_x_date(labels = date_format("%Y/%m/%d")) +#時間格式轉換
scale_color_discrete(name="情緒種類", labels = c("positive","negative","neutral")) + #圖標
ggtitle("還願 討論情緒") +
xlab("日期") +
ylab("分數") +
theme(text = element_text(family = "Heiti TC Light"))## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database## Warning in grid.Call.graphics(C_text, as.graphicsAnnot(x$label), x$x,
## x$y, : font family not found in Windows font database## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
練習練習～
剛剛我們將資料按照日期分群後，加總計算了每天的三種情緒分數。 但是我們可以發現每天的文章數量造成辭彙的數量不一樣，所以情緒圖的走勢會有很大的起伏。 請各位將每日的情緒總值進行標準化後再畫一次情緒的走勢圖。
公式：
positive = positive / (positive + negative + neutral)
negative = negative / (positive + negative + neutral)
neutral = neutral / (positive + negative + neutral)
hint：剛剛summarise那邊可以順便計算每日的情緒詞總數
hint2：最後會用到mutate喔
data_try <- data_sen %>%
mutate(positive=positive / (positive + negative + neutral),negative = negative / (positive + negative + neutral),neutral = neutral / (positive + negative + neutral))
head(data_try)## # A tibble: 6 x 4
## artDate positive negative neutral
## <date> <dbl> <dbl> <dbl>
## 1 2019-02-17 0. 1.00 0.
## 2 2019-02-18 0.273 0.846 0.472
## 3 2019-02-19 0.526 0.853 0.925
## 4 2019-02-20 0.494 0.832 0.907
## 5 2019-02-21 0.507 0.836 0.788
## 6 2019-02-22 0.430 0.901 0.907data_try %>% ggplot(aes(x= artDate)) +
geom_line(aes(y = positive, colour = "red")) +
geom_line(aes(y = negative, colour = "blue")) +
geom_line(aes(y = neutral, colour = "yellow")) +
scale_x_date(labels = date_format("%Y/%m/%d")) +#時間格式轉換
scale_color_discrete(name="情緒種類標準化後", labels = c("positive","negative","neutral")) + #圖標
ggtitle("還願 討論情緒") +
xlab("日期") +
ylab("分數") +
theme(text = element_text(family = "Heiti TC Light"))## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database## Warning in grid.Call.graphics(C_text, as.graphicsAnnot(x$label), x$x,
## x$y, : font family not found in Windows font database## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database
## Warning in grid.Call(C_textBounds, as.graphicsAnnot(x$label), x$x, x$y, :
## font family not found in Windows font database