purrr-map02

R

map

tidyverse

Published

October 24, 2022

Exercise

Bestimmen Sie die häufigsten Worte im Grundatzprogramm der Partei AfD (in der aktuellsten Version).

Solution

library(tidyverse)

Text aus PDF-Dateien kann man mit dem Paket pdftools einlesen:

library(pdftools)
d_path <- "~/Literatur/_Div/Politik/afd-grundsatzprogramm-2022.pdf"

d <- tibble(text = pdf_text(d_path))

Dann erstellen wir eine Tidy-Version und tokenisieren nach Wörtern:

library(tidytext)
d2 <-
  d %>% 
  unnest_tokens(output = word, input = text)

head(d2)

word
programm
für
deutschland
das
grundsatzprogramm
der

Dann zählen wir die Wörter:

d2 %>% 
  count(word, sort = TRUE) %>% 
  head(20)

word	n
die	1151
und	1147
der	870
zu	435
für	392
in	392
den	271
von	257
ist	251
das	225
werden	214
eine	211
nicht	196
ein	191
deutschland	190
sind	187
wir	176
afd	171
des	169
sich	158

Categories:

R
map
tidyverse

---
extype: string
exsolution: NA
exname: purrr-map02
expoints: 1
categories:
- R
- map
- tidyverse
date: '2022-10-24'
slug: purrr-map02
title: purrr-map02

---






# Exercise

Bestimmen Sie die häufigsten Worte im Grundatzprogramm der Partei AfD (in der aktuellsten Version).







</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>

# Solution


```{r}
library(tidyverse)
```

Text aus PDF-Dateien kann man mit dem Paket [`pdftools`](https://docs.ropensci.org/pdftools/) einlesen:

```{r}
library(pdftools)
d_path <- "~/Literatur/_Div/Politik/afd-grundsatzprogramm-2022.pdf"

d <- tibble(text = pdf_text(d_path))
```


Dann erstellen wir eine Tidy-Version und tokenisieren nach Wörtern:

```{r}
library(tidytext)
d2 <-
  d %>% 
  unnest_tokens(output = word, input = text)

head(d2)
```


Dann zählen wir die Wörter:


```{r}
d2 %>% 
  count(word, sort = TRUE) %>% 
  head(20)
```




---

Categories: 

- R
- map
- tidyverse