Skip to contents

Selecionar os termos mais frequentes

Source: R/ac_top_terms.R
ac_top_terms.Rd

ac_top_terms() seleciona os n termos mais frequentes a partir de uma tabela de frequencias (tipicamente o resultado de ac_count()).

Pode operar em dois modos:

  • sem grupos (by = NULL): retorna os n termos mais frequentes no geral;

  • com grupos (by = c("partido", ...)): retorna os n termos mais frequentes em cada combinacao de metadados.

Usage

ac_top_terms(x, n = 20L, by = NULL, sort = TRUE)

Arguments

x

Um data.frame ou tibble::tibble() contendo, no minimo, as colunas token e n. Em geral, o resultado de ac_count().

n

Numero de termos a selecionar. Valor inteiro >= 1.

by

Vetor de nomes de colunas em x a serem usados como grupos de agregacao. Se NULL (padrao), a selecao e feita no conjunto total. Se nao for NULL, os n termos mais frequentes sao selecionados dentro de cada combinacao de by.

sort

Logico. Se TRUE (padrao), ordena a saida em ordem decrescente de frequencia (n). Se FALSE, preserva a ordem retornada pela operacao interna de selecao, apenas garantindo que os grupos (quando houver) venham juntos.

Value

Um tibble::tibble() com as mesmas colunas de x, mas restrito aos n termos mais frequentes (no geral ou por grupo).

See also

ac_count(), ac_tokenize()

Examples

df <- data.frame(
  id      = c("d1", "d2", "d3"),
  texto   = c(
    "O deputado do PT falou na CCJ.",
    "O deputado do PL falou novamente.",
    "O senador do PT falou na CCJ."
  ),
  partido = c("PT", "PL", "PT"),
  stringsAsFactors = FALSE
)

corp <- ac_corpus(df, text = texto, docid = id, meta = partido)

# Top 10 termos no corpus inteiro
freq <- ac_count(corp)
ac_top_terms(freq, n = 10)
#> # A tibble: 20 × 3
#>    doc_id token          n
#>    <chr>  <chr>      <int>
#>  1 d1     CCJ.           1
#>  2 d3     CCJ.           1
#>  3 d1     O              1
#>  4 d2     O              1
#>  5 d3     O              1
#>  6 d2     PL             1
#>  7 d1     PT             1
#>  8 d3     PT             1
#>  9 d1     deputado       1
#> 10 d2     deputado       1
#> 11 d1     do             1
#> 12 d2     do             1
#> 13 d3     do             1
#> 14 d1     falou          1
#> 15 d2     falou          1
#> 16 d3     falou          1
#> 17 d1     na             1
#> 18 d3     na             1
#> 19 d2     novamente.     1
#> 20 d3     senador        1

# Top 5 termos por partido
freq_by <- ac_count(corp, by = "partido")
ac_top_terms(freq_by, n = 5, by = "partido")
#> # A tibble: 12 × 3
#>    partido token          n
#>    <chr>   <chr>      <int>
#>  1 PL      O              1
#>  2 PL      PL             1
#>  3 PL      deputado       1
#>  4 PL      do             1
#>  5 PL      falou          1
#>  6 PL      novamente.     1
#>  7 PT      CCJ.           2
#>  8 PT      O              2
#>  9 PT      PT             2
#> 10 PT      do             2
#> 11 PT      falou          2
#> 12 PT      na             2