4_textdata.utf8

R: Partage & Echange

text data

Contexte

Nous vivons dans un monde connecté où les donneées ont des formes multiples
A la banque nous travaillons en majorité avec des données numériques
Plus les technologies avancent, plus l’analyse d’autres types de données est accessible

Pourquoi analyser du texte?

Automatiser des réponses?
Automatiser des processus de regulation?
Identifier des tendences en Marketing?

Cas Pratique

Tweet de Donald Trump de 2009 à 2016

Dataset

Les données ont le format suivant:

#reactable(head(tweet,2))
datatable(head(tweet,3),  rownames = FALSE, options = list(pageLength = 3, dom = 't') )

Après transformation via
des Expressions Régulère (RegEx):

tidy_tweet <- tweet %>% 
  distinct() %>% 
  rename(message=Tweet) %>% 
  mutate(date_time =  ymd_hms(paste(Date, Time)),
         message_punctuationless= str_replace_all(message, '[[^@\\w\\s]]', ' '),
         user=str_extract_all(message_punctuationless, '@(\\w){1,15}'),
         is_rt = ifelse( str_detect(message, '^ RT @|^RT @|"@'),1,0),
         rt_user = ifelse(is_rt, str_extract(message, '@(\\w){1,15}'), NA),
         message2 = str_remove_all(message, '(http|https):\\/\\/([\\w\\d\\.\\:]*)(\\/?)(.*)'),
         text = ifelse(is_rt & ((str_detect(message,'^"') & str_count(message2,'"')==1|str_detect(message2,'^RT'))),'', 
                       ifelse(is_rt , str_remove_all(message2, '".*"'), message2)),
         hashtag = str_extract_all(message, '#(\\w){1,30}'))  %>% 
  select(-message_punctuationless, -message2)

Les personnes les plus mentionées

Vocabulaire Utilisé

FoxNews vs CNN

Les nombre de fois que les mots suivants sont mentionnés

Résultat

Récapitulatif

`map()`

peut etre utilisé avec %>%
peut retourner differents types d’objets
peut prendre plusieurs arguments

Merci pour votre attention

Questions?

Pourquoi utiliser les fonctions de {purrr} si les fonctions de type apply font la même chose?
Est-ce que map fait les calculs en parallele?