Funkce \ Porozumění cizímu kódu

• built-in functions: instalují se rovnou s R
• knihovny s funkcemi:
  • jednou nainstalovat
  • při každém sezení připojit
• vlastní funkce:
  • v kódu jednoho skriptu
  • ve zvláštním souboru, zavolat ze souboru se skriptem
• repozitář oficiálních knihoven: CRAN https://cran.r-project.org/

tolower("ABC")

[1] "abc"

help("tolower")

nebo

?tolower

Nápověda se objeví v listu Help v pravém dolním okně

v builtin balíčku base, spolu s funkcí chartr - jsou vysvětleny pohromadě

• Argumenty požadované na vstupu: tolower chce znakový vektor nebo něco, z čeho si znakový vektor umí vytvořit sama.

• Musíme znát konkrétní název funkce.
• Nápověda zná vždy jen funkce knihoven, které jsou zrovna připojené.

• Připojit knihovnu: library(název knihovny v uvozovkách nebo bez nich)
• Nainstalovat knihovnu, když ji nemáme: install.packages(název)
• V RStudiu panel Packages
• Sledovat hlášky v konzoli (něco odsouhlasit)

sample(x, size, replace=FALSE, prob=NULL)

my_sample <- 1:2
set.seed(885) #aby se nahodny generator cisel choval vzdy stejne 
sample(x = my_sample, size = 2)

[1] 2 1

sample(my_sample, 2)

[1] 1 2

sample(size = 2, x = my_sample) #musime pojmenovat,kdyz prehodime poradi

[1] 1 2

moje_funkce <- function(argumenty na vstupu) {
  tady nejaky kod
}

Funkce vygeneruje hromadnou vstupenku podle počtu lidí. Přednastavené hodnoty argumentů.

vytiskni_vstupenku <- function(pocet_osob = 1, cena = 100, 
                        sleva_proc = 50, 
                        od_kolika_osob = 4) {
  vyse_slevy <- 0
  cena <- cena
  if (pocet_osob >= od_kolika_osob) {
    vyse_slevy <- sleva_proc * 0.01 * cena
    cena <- cena - vyse_slevy
  } 
  cat("Festival KOKOKO", "\n", "Osob: ", pocet_osob, "\n", "Sleva Kč: ", vyse_slevy, "\n", "Cena po slevě Kč: ", cena)
}  

• určování hranic slov (tokenization)
• morfologické značkování (morphological tagging)
• určování slovníkových tvarů slov (lemmatisation)
• syntaktické značkování (syntactic parsing)

https://lindat.mff.cuni.cz/services/udpipe/

Input text

Phileas Fogg was a member of the Reform, and that was all. The way in which he got admission to this exclusive club was simple enough. He was recommended by the Barings, with whom he had an open credit. His cheques were regularly paid at sight from his account current, which was always flush. Was Phileas Fogg rich?

• ELTeC - korpus prózy ve formátu XML-TEI: https://distantreading.github.io/ELTeC/
• Text Encoding Initiative
• inventář XML značek a pravidla pro použití u různých textových žánrů
• metadata, typografie, členění, obsah, různé vrstvy v čase (staré rukopisy)
• více o próze v TEI: https://teibyexample.org/examples/TBED03v00.htm

• vybraná kniha: A.C. Doyle: The Sign of Four (Sherlock Holmes)

  https://github.com/COST-ELTeC/ELTeC-eng/blob/master/level0/ENG18900_Doyle.xml

<celý_text><kapitola kolikátá="1"><nadpis>Jak to začalo</nadpis>

<odstavec>Byla jednou jedna babička. Ta měla vnučku.Další věta. Další věta. ...</odstavec> <odstavec>Říkalo se jí Červená Karkulka, podle červené čepičky. Další věta. Další věta. …</odstavec>

<kapitola kolikátá="2"> <nadpis>Jak to pokračovalo</nadpis>

<odstavec>Na Karkulku v lese číhal vlk. Další věta. Další věta. …</odstavec>

<odstavec> </odstavec> </kapitola> <kapitola kolikátá="3"> <nadpis>Jak to skončilo</nadpis> <odstavec>Myslivec vlkovi rozpáral břicho. Další věta. Další věta. …</odstavec>

<odstavec>A to je, milé děti, pohádky konec.</odstavec> </kapitola>

</celý_text>

• Co nejmíň elips a anafor: první odstavec v kapitole
  

• V TEI vypreparujeme snadno pomocí dotazovacího jazyka pro XML

• XPATH https://www.w3schools.com/xml/xpath_intro.asp

• ptáme se na elementy, které jsou v daném vztahu k předchozímu elementu v dotazu

  • // - kdekoli pod vrcholem (na začátku dotazu)
  • / - jako potomek předchozího elementu

• za určením polohy následuje název elementu (např. odstavec)

• můžeme se klást podmínky, např. na hodnoty atributů elementu, když je element má: kapitola[@kolikátá=3] - chci element kapitola, který má v atributu kolikátá trojku.

• XPATH má ještě mnoho dalších funkcí…

• rozmyslet si, kde vezme texty
• najít si vhodný korpus
  • bezplatný
  • strukturovaný
• TEI
• XPATH
• otaggovat texty (UDPipe)
• identifikovat užitečné tagy (UD - Universal Dependencies)

• tidyverse (dplyr,tidyr, ggplot2, …)
• XML
• udpipe