Início / coding / Perguntas / 79562930
Accepted
Ben
Asked: 2025-04-09 03:46:42 +0800 CST

Como subdividir SOTU dfm para os presidentes Bush e Carter em sotu e quanteda para gerar um gráfico de nuvem de palavras?

  • 772

Estou trabalhando com o corpus SOTU da quanteda e preciso subdividi-lo para analisar os discursos do presidente Bush e Carter.

Estou aprendendo a pré-processar o corpus no formato dfm, mas não tenho certeza de como corrigir o erro. Este é o código que tenho agora.

library("quanteda")
library("dplyr")
library("sotu")

textplot_scale1d(wf_sotu)

sotu_meta %>%
  filter(!duplicated(president, fromLast = TRUE)) %>% tail()

sotu <- sotu_meta %>%
  bind_cols(text = sotu_text) %>%
  mutate(docnames = paste(president, year, sep = ": "))
sotu

sotu_dfm <- sotu %>%
  corpus(
    docid_field = "docnames",
    text_field = "text"
  ) %>%
  dfm_select(pattern = dict, 
        valuetype = "regex")%>%
  dfm_remove(stopwords())

Recebo a seguinte mensagem de erro:

Error in corpus.character(x[[text_index]], docvars = docvars, docnames = docname,  : 
  docnames must be unique

1 respostas

  1. Best Answer

    Há oito duplicatas na coluna "docnames".

    library(dplyr)

count(sotu, docnames) %>%
  filter(n>1)

                         docnames n
1  Dwight D. Eisenhower: 1956 2
2 Franklin D. Roosevelt: 1945 2
3     George Washington: 1790 2
4          Jimmy Carter: 1978 2
5          Jimmy Carter: 1979 2
6          Jimmy Carter: 1980 2
7      Richard M. Nixon: 1972 2
8      Richard M. Nixon: 1974 2

    Se você omitir essas informações, o código será executado sem erros.

    sotu %>%
  filter(n()==1, .by=docnames) %>%
  corpus(docid_field = "docnames", text_field = "text")

    Corpus consisting of 224 documents and 6 docvars.
George Washington: 1791 :
"  Fellow-Citizens of the Senate and House of Representatives..."

George Washington: 1792 :
"Fellow-Citizens of the Senate and House of Representatives: ..."

George Washington: 1793 :
"  Fellow-Citizens of the Senate and House of Representatives..."

George Washington: 1794 :
"  Fellow-Citizens of the Senate and House of Representatives..."

George Washington: 1795 :
" Fellow-Citizens of the Senate and House of Representatives:..."

George Washington: 1796 :
"  Fellow-Citizens of the Senate and House of Representatives..."

[ reached max_ndoc ... 218 more documents ]

    Você também pode flexibilizar os critérios de exclusividade.

    sotu %>% 
  corpus(docid_field = "docnames", text_field = "text",
         unique_docnames = FALSE)

    insira a descrição da imagem aqui

    • 2

relate perguntas