[R語言專題] 運用R語言玩轉文字探勘 – 字串處理

• 2023-10-05
• R語言專題, R語言教學

若我們想分析歷屆台灣總統的演講稿，在事前我們可能要先做這些準備：保留講稿中「台灣」和「臺灣」其中一種用法、刪除原文中的換行符號、整理民國與西元日期格式、消除空格例如以前可能會出現挪抬等。上述提到的小任務，全部都是字串處理的範疇。當然，你可能會想說，你手上的資料已經非常乾淨，根本沒必要走過這些步驟！其實，就算不是文字探勘、就算資料已經足夠乾淨，但字串處理的使用情境非常生活化，它仍然能夠在意想不到的地方幫上你。這些任務，全都可以交給stringr套件解決。

[R語言專題] 運用R語言玩轉文字探勘 – 正規表達式

• 2023-10-04
• R語言專題, R語言教學

就我的經驗來說，平常若打交道的以數值資料為主，確實是這個比例；但如果是文字資料，恐怕比例會更極端到清資料就要花上9成時間。在清理文字資料的過程中，一定會用上一個神兵利器：「正規表達式」（regular expression，簡稱為 regex 或 regexp）。底下，我們就來介紹正規表達式的用途與用法。

[R語言專題] 運用R語言玩轉文字探勘 – 套件篇

• 2023-10-03
• R語言專題, R語言教學

開發者們打造許多套件，替人們處理文字探勘。有些針對特定任務，例如在主題模型章節中我會介紹stm、LDA，在詞向量章節中則以gensim、word2vec為範例；也有些套件能夠貫穿整個文字探勘流程，例如這篇文章將要介紹的tidytext和quanteda。

[經驗分享]繪製《乘風2023》數據圖表的反思(5) — 納入時間的比較

• 2023-07-11
• 數據圖表, 經驗分享

這篇文談到了想要視覺化呈現資料時，如何納入時間元素，比較不同時間點的數值大小。

[R語言圖表]用ggplot畫散布圖 scatter plot

• 2023-06-21
• R語言教學, 資料視覺化

想畫散布圖（scatter plot），但是不知道怎麼在R語言中使用相關函數嗎？什麼時候該用散布圖？要怎麼加上文字標籤？如何強調特定資料點？散布圖（scatter plot）用於呈現數值資料之間的關係（relationship），散布在圖表中的點點，位置由兩個變數的數值共同決定。它能夠讓我們看出資料點之間的分布，也能迅速變異出所謂的離群值。此外，在其他的散布圖中，我們可以看出兩個變數之間的趨勢係。