Я использовал базовую tokens_lookup
функцию Quanteda со словарем настроений молодого Сороки, чтобы подсчитать количество положительных и отрицательных слов в твитах политиков.
Как только я получу результаты, могу ли я добавить эти столбцы обратно в исходный объект readtext с различными docvars?
head(dat)
readtext object consisting of 6 documents and 11 docvars.
# Description: df[,13] [6 × 13]
doc_id text date username to replies retweets favorites geo mentions hashtags id permalink
* <chr> <chr> <chr> <chr> <chr> <int> <int> <int> <lgl> <chr> <chr> <dbl> <chr>
1 trump.c… "\"Sleepy… 2020-05-… realDonal… MZHemi… 5415 13062 39680 NA @AjitPaiF… "" 1.84e-224 https://twitter.com/rea…
2 trump.c… "\"He got… 2020-05-… realDonal… mikand… 20406 39081 111370 NA "" "" 1.84e-224 https://twitter.com/rea…
3 trump.c… "\"Thank … 2020-05-… realDonal… mikand… 5733 17293 66992 NA "" "" 1.84e-224 https://twitter.com/rea…
4 trump.c… "\".@CBS … 2020-05-… realDonal… "" 22215 25834 93625 NA @CBS @60M… "" 1.83e-224 https://twitter.com/rea…
5 trump.c… "\"This b… 2020-05-… realDonal… GreggJ… 5379 11403 39869 NA "" "" 1.81e-224 https://twitter.com/rea…
6 trump.c… "\"OBAMAG… 2020-05-… realDonal… "" 55960 89664 320171 NA "" "" 1.81e-224 https://twitter.com/rea…
> corp <- corpus(dat)
> toks <- tokens(corp, remove_punct = TRUE)
> toks_lsd <- tokens_lookup(toks, dictionary = data_dictionary_LSD2015[1:2])
> dfmat_lsd <- dfm(toks_lsd)
> head(dfmat_lsd)
Document-feature matrix of: 6 documents, 2 features (66.7% sparse).
6 x 2 sparse Matrix of class "dfm"
features
docs negative positive
trump.csv.1 2 0
trump.csv.2 0 0
trump.csv.3 0 1
trump.csv.4 2 1
trump.csv.5 0 0
trump.csv.6 0 0
Я попытался взять необходимые столбцы из объекта readtext и создать с ними новый data.frame, который работает нормально, но было бы здорово, если бы я мог вместо этого объединить результаты dfm обратно с другими данными.