-
Notifications
You must be signed in to change notification settings - Fork 6
/
main.R
266 lines (217 loc) · 8.37 KB
/
main.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
library(rwhatsapp)
library(lubridate)
library(tidyverse)
library(tidytext)
library(kableExtra)
library(RColorBrewer)
library(knitr)
## LIBS PARA EXPORTAR COMO HTML
library(plotly);
library(htmlwidgets);
# LIBRERÍA PARA FETCH DE IMAGEN PNG DE EMOJI DESDE https://abs.twimg.com
library(ggimage)
# LEEMOS EL CHAT A TRAVÉS DEL TXT EXPORTADO DESDE LA APP
miChat <- rwa_read("miChat_1.txt")
# CHECAMOS UN PREVIEW DEL FORMATO DE DATOS DE LA TABLA
miChat %>%
head(10) %>%
kable() %>%
kable_styling(font_size = 10)
# PREPARACIÓN DE DATOS PARA ANÁLIIS POR DATE/TIME
miChat <- miChat %>%
mutate(day = date(time)) %>%
mutate(
# SEGMENTACIÓN POR MES
estacion = case_when(
day >= dmy(18082018) & day <= dmy(22092018) ~ "Verano 2018",
day >= dmy(23092018) & day <= dmy(20122018) ~ "Otoño 2018",
day >= dmy(21122018) & day <= dmy(20032019) ~ "Invierno 2018",
day >= dmy(21032019) & day <= dmy(21062019) ~ "Primavera 2019",
day >= dmy(22062019) & day <= dmy(23092019) ~ "Verano 2019",
day >= dmy(23092019) & day <= dmy(20122019) ~ "Otoño 2019",
day >= dmy(21122019) & day <= dmy(20032020) ~ "Invierno 2020",
day >= dmy(21032020) ~ "Primavera 2020",
T ~ "Fuera de rango"
)
) %>%
mutate( estacion = factor(estacion) ) %>%
filter(!is.na(author))
# PALETA DE COLORES
paleta.estaciones <- brewer.pal(8,"Set1")[c(7,5,1,3,4,2,6,8)]
# VERIFICANDO CUÁNTOS MENSAJES SE ENVIARON DURANTE EL PERIODO DE TIEMPO
miChat %>%
group_by(estacion) %>%
count(day) %>%
ggplot(aes(x = day, y = n, fill=estacion)) +
geom_bar(stat = "identity") +
scale_fill_manual(values=paleta.estaciones) +
ylab("Número de mensajes") + xlab("Fecha") +
ggtitle("Mensajes por día", "Frecuencia por estación del año") +
theme_minimal() +
theme( legend.title = element_blank(),
legend.position = "bottom")
ggplotly()
# MENSAJES POR DÍA DE LA SEMANA
miChat %>%
mutate( wday.num = wday(day),
wday.name = weekdays(day)) %>%
group_by(estacion, wday.num, wday.name) %>%
count() %>%
ggplot(aes(x = reorder(wday.name, -wday.num), y = n, fill=estacion)) +
geom_bar(stat = "identity") +
scale_fill_manual(values=paleta.estaciones) +
ylab("") + xlab("") +
coord_flip() +
ggtitle("Número de mensajes por día de la semana", "Frecuencia por estación del año") +
theme_minimal() +
theme( legend.title = element_blank(),
legend.position = "bottom")
ggplotly()
# MANTENER EL ORDEN DE DÍAS DE LA SEMANA Y NOMBRARLOS
diasemana <- c("domingo","lunes","martes","miércoles","jueves","viernes","sábado","domingo")
names(diasemana) <- 1:7
# MENSAJES POR HORA DEL DÍA
miChat %>%
mutate( hour = hour(time),
wday.num = wday(day),
wday.name = weekdays(day)) %>%
count(estacion, wday.num, wday.name, hour) %>%
ggplot(aes(x = hour, y = n, fill=estacion)) +
geom_bar(stat = "identity") +
scale_fill_manual(values=paleta.estaciones) +
ylab("Número de mensajes") + xlab("Horario") +
ggtitle("Número de mensajes por hora del día", "Frecuencia según estación del año") +
facet_wrap(~wday.num, ncol=7, labeller = labeller(wday.num=diasemana))+
theme_minimal() +
theme( legend.title = element_blank(),
legend.position = "bottom",
panel.spacing.x=unit(0.0, "lines"))
ggplotly()
# CAMBIEMOS EL NOMBRE DE LOS USUARIOS POR CONFIDENCIALIDAD
levels(miChat$author)[2] <- "Ella"
levels(miChat$author)[1] <- "Él"
# MENSAJES POR USUARIO
miChat %>%
mutate(day = date(time)) %>%
group_by(estacion) %>%
count(author) %>%
ggplot(aes(x = reorder(author, n), y = n, fill=estacion)) +
geom_bar(stat = "identity") +
scale_fill_manual(values=paleta.estaciones) +
ylab("Número total de mensajes") + xlab("Usuario") +
coord_flip() +
ggtitle("Número total de mensajes por usuario.", "¿Quién es más comunicativo? Frecuencia por estación del año") +
theme_minimal() +
theme( legend.title = element_blank(),
legend.position = "bottom")
ggplotly()
# VEAMOS LA ESTRUCTURA ANIDADA DE EMOJIS
miChat %>%
select(time, author, emoji, emoji_name) %>%
unnest(emoji, emoji_name) %>%
slice(1:10) %>%
kable()
# EMOJI RANKING
plotEmojis <- miChat %>%
unnest(emoji, emoji_name) %>%
mutate( emoji = str_sub(emoji, end = 1)) %>% # REMOVER LIGADURAS
mutate( emoji_name = str_remove(emoji_name, ":.*")) %>% # REMOVER NOMBRES DE LIGADURA
count(emoji, emoji_name) %>%
# PLOT TOP 20 EMOJIS
top_n(30, n) %>%
arrange(desc(n)) %>%
# CREA UNA URL DE IMAGEN CON EL UNICODE DE EMOJI
mutate( emoji_url = map_chr(emoji,
~paste0( "https://abs.twimg.com/emoji/v2/72x72/", as.hexmode(utf8ToInt(.x)),".png"))
)
# PLOT DEL RANKING DE EMOJIS MÁS USADOS
plotEmojis %>%
ggplot(aes(x=reorder(emoji_name, n), y=n)) +
geom_col(aes(fill=n), show.legend = FALSE, width = .2) +
geom_point(aes(color=n), show.legend = FALSE, size = 3) +
geom_image(aes(image=emoji_url), size=.045) +
scale_fill_gradient(low="#2b83ba",high="#d7191c") +
scale_color_gradient(low="#2b83ba",high="#d7191c") +
ylab("Número de veces que el emoji fue usado") +
xlab("Emoji y significado") +
ggtitle("Emojis más utilizados de manera general", "Emojis más usados por todos") +
coord_flip() +
theme_minimal() +
theme()
ggplotly()
# EMOJI RANK POR USUARIO
plotEmojis <- miChat %>%
unnest(emoji, emoji_name) %>%
mutate( emoji = str_sub(emoji, end = 1)) %>% #
count(author, emoji, emoji_name, sort = TRUE) %>%
# PLOT DEL TOP 8 EMOJIS POR USUARIO
group_by(author) %>%
top_n(n = 8, n) %>%
slice(1:8) %>%
# CREA UNA URL DE IMAGEN CON EL UNICODE DE EMOJI
mutate( emoji_url = map_chr(emoji,
~paste0("https://abs.twimg.com/emoji/v2/72x72/",as.hexmode(utf8ToInt(.x)),".png")) )
# PLOT DE LA DATA
plotEmojis %>%
ggplot(aes(x = reorder(emoji, -n), y = n)) +
geom_col(aes(fill = author, group=author), show.legend = FALSE, width = .20) +
# USAR PARA HACER FETCH DE UNA IMAGENPNG DE EMOJI https://abs.twimg.com
geom_image(aes(image=emoji_url), size=.13) +
ylab("Número de veces que se usó el emoji") +
xlab("Emoji") +
facet_wrap(~author, ncol = 5, scales = "free") +
ggtitle("Emojis más usados en la conversación, por usuario") +
theme_minimal() +
theme(axis.text.x = element_blank())
ggplotly()
library(tidytext)
library(stopwords)
# REMOVEMOS PALABRAS SIN SIGNIFICADO RELEVANTE, COMO ARTÍCULOS, PRONOMBRES, ETC.
remover_palabras <- c(stopwords(language = "pt"),
"multimedia", "y", "la", "el","en", "es", "si", "lo", "ya", "pero", "esa",
"los","yo","mi", "un", "con", "las", "omitido", "más","eso", "al", "una",
"del", "qué", "todo", "así", "le", "su", "va", "porque", "todos", "hay", "les",
"pue", "ese", "son", "está", "pues", "ahí", "sí","ver", "estás", "algo", "vas",
"ir","voy", "creo","fue","solo", "ni","sólo","nada", "aqui", "q", "tú", "fez")
# CONTEO DE PALABRAS
miChat %>%
unnest_tokens(input = text, output = word) %>%
filter(!word %in% remover_palabras) %>%
count(word) %>%
# PLOT DEL TOP 20 DE PALABRAS MÁS USADAS EN CONVERSACIÓN
top_n(30,n) %>%
arrange(desc(n)) %>%
ggplot(aes(x=reorder(word,n), y=n, fill=n, color=n)) +
geom_col(show.legend = FALSE, width = .1) +
geom_point(show.legend = FALSE, size = 3) +
scale_fill_gradient(low="#2b83ba",high="#d7191c") +
scale_color_gradient(low="#2b83ba",high="#d7191c") +
ggtitle("Palabras más usadas en la conversación de manera general") +
xlab("Palabras") +
ylab("Número de veces que se usó la palabra") +
coord_flip() +
theme_minimal()
ggplotly()
# CONTEO DE PALABRAS POR USUARIO
miChat %>%
unnest_tokens(input = text,
output = word) %>%
filter(!word %in% remover_palabras) %>%
count(author, word, sort = TRUE) %>%
# TOP 15 PALABRAS MÁS USADAS POR USUARIO
group_by(author) %>%
top_n(n = 20, n) %>%
slice(1:20) %>%
ungroup() %>%
arrange(author, desc(n)) %>%
mutate(order=row_number()) %>%
ggplot(aes(x = reorder(word, n), y = n, fill = author, color = author)) +
geom_col(show.legend = FALSE, width = .1) +
geom_point(show.legend = FALSE, size = 3) +
xlab("Palabras") +
ylab("Número de veces que se usó la palabra") +
coord_flip() +
facet_wrap(~author, ncol = 3, scales = "free") +
ggtitle("Palabras más usadas por usuario en la conversación") +
theme_minimal()
ggplotly()