library(dplyr)
library(tidyverse)
library(stopwords)
library(ggplot2)
library(tidytext)
library(tidyr)
library(wordcloud2)
library(widyr)
data_uv <- read.csv("BASE DE DATOS UV - BD UV.csv", sep = ",", header = TRUE)
Cambiaremos los nombres de algunas columnas para mejor comprensión de las variables y evitar así confusión al momento de manejar los datos. Además, separamos las keywords en filas, ignorando los punto y coma que las separan.
autores_uv <- data_uv$Nombre
keywords_uv <- as.character(tolower(data_uv$Index.keywords))
valpo_df <-tibble(autores_uv, keywords_uv)
keywords_df_uv <- valpo_df %>%
mutate(keywords_uv = strsplit(as.character(keywords_uv),";"))%>%
unnest(keywords_uv)
Ahora, con la ayuda de la librería wordcloud2 generaremos una nube de palabras las keywords de la Universidad de Valparaíso
keywords_df_uv %>%
count(keywords_uv, sort=T)%>%
top_n(200)%>%
wordcloud2(size=0.5)
## Selecting by n