Análise de dados do Twitter para a final da Copa do Mundo da FIFA – PromptCloud

Recentemente, o mundo começou a se recuperar da febre do futebol da Copa do Mundo da FIFA que terminou com a França emergindo como vencedora. Antes de prosseguir, vamos verificar o contexto – a partida final foi disputada pela França e pela Croácia e disputada no Estádio Luzhniki em Moscou, Rússia, em 15 de julho de 2018 às 15h (horário GMT). A França venceu a partida por 4 a 2, que incluiu um pênalti e um gol contra da Croácia.

Assim como qualquer outra mídia social, o Twitter também estava cheio de fãs e espectadores constantemente twittando sobre a partida à medida que avançava. A hashtag de tendência para o evento foi #WordCupFinal . Este estudo se concentrará nos tweets extraídos entre 15h GMT e pouco mais de 19h30 GMT para a hashtag acima mencionada. O conjunto de dados final é composto por mais de 200.000 tweets originais (não inclui retuítes). Nossa análise de dados do Twitter responderá às seguintes perguntas:

1. Quais foram as principais hashtags usadas durante a partida?
2. Quais foram os principais idiomas em termos de contagem de tweets?
3. Quais os identificadores do twitter foram mais mencionados?
4. Qual foi o comprimento de caracteres para a maioria dos tweets?
5. Quais foram alguns tweets populares em termos de retuítes e curtidas?

Observe que este estudo não abrange as técnicas de mineração de texto; no entanto, eles podem ser aplicados usando os métodos já descritos na postagem de visualização de dados de letras de músicas de Taylor Swift.

 [call_to_action title="Baixe o conjunto de dados gratuitamente" icon="icon-download" link="https://app.promptcloud.com/users/sign_up?target=data_stocks&itm_source=website&itm_medium=blog&itm_campaign=dataviz&itm_term=fifa-tweets&itm_content= data-mining" button_title="" class="" target="_blank" animate=""]Inscreva-se no DataStock via CrawlBoard e clique na categoria 'grátis' para baixar o conjunto de dados![/call_to_action]

Sinta-se à vontade para baixar o conjunto de dados do Twitter, se quiser replicar o código fornecido neste post ou experimentar os dados.

Principais hashtags

Vamos primeiro carregar os pacotes necessários e passar para a coluna `hashtags` para análise.

[linguagem do código=”r”]

# Frequência das hashtags
library("dplyr")
biblioteca("ggplot2")
library("magrittr")
library("escalas")
biblioteca("grepel")

fifa_tweets <- read.csv(file.choose())

# Configuração opcional para mostrar números maiores sem notação científica
opções(dígitos=22)

# Obtendo as hashtags do formato de lista
fifa_hashtags <- unlist(strsplit(as.character
(unlist(fifa_tweets$hashtags)),
'^c\(|,|"|\)'))

# Formatação removendo os espaços em branco
hashtags <- sapply(fifa_hashtags, function(y) nchar(trimws(y)) > 0 & !is.na(y))

# Convertendo para data frame
hashtag_df <- as_data_frame(table(tolower(fifa_hashtags[hashtags]))))
hashtag_df <- hashtag_df[com(hashtag_df,pedido(-n)),]
hashtag_df <- hashtag_df[2:11,]

ggplot(hashtag_df, aes(x = reordenar(Var1, n), y=n)) +
geom_bar(stat="identidade", preenchimento="#00D4C9")+
coord_flip() +
theme_minimal() +
xlab("#Hashtags") + ylab("Contagem") +
ggtitle("Principais hashtags usadas durante a final da Copa do Mundo da FIFA, excluindo #WorldCupFinal") +
theme_minimal()

[/código]

O gráfico a seguir mostra que outras hashtags populares além de #WordCupFinal são #fracro, #fra, #worldcup e #cro. É certo que o burburinho para a França foi maior do que para a Croácia, especialmente porque eles venceram a partida.

Principais idiomas

Vamos agora verificar os idiomas em que os tweets foram postados.

[linguagem do código=”r”]

lang_df <- count(fifa_tweets,lang) %>%
arranjar(desc(n)) %>%
fatia (1:15)

ggplot(data=lang_df, aes(x = reordenar(lang, n), y=n)) +
geom_bar(stat = 'identidade', preenchimento="#00D4C9") +
coord_flip() +
xlab("Idiomas") + ylab("Contagem") +
ggtitle("Principais idiomas usados ​​nos tweets da final da Copa do Mundo da FIFA") +
theme_minimal()

[/código]

Além do inglês, outras línguas populares foram o português, o espanhol, o francês e o turco. Observe que `und` significa indefinido.

Principais alças do Twitter

Agora, vamos descobrir os usuários populares do Twitter que foram mencionados em vários tweets.

[linguagem do código=”r”]
# Obtendo as menções do formato de lista
menções_split <- unlist(strsplit(as.caractere
(unlist(fifa_tweets$mentions_screen_name)),
'^c\(|,|"|\)'))

# Formatação removendo os espaços em branco
menciona <- sapply(mentions_split, function(y) nchar(trimws(y)) > 0 & !is.na(y))

# Convertendo para data frame
menções_df <- as_data_frame(table(tolower(mentions_split[menções]))))
menções_df <- menções_df[com(menções_df,pedido(-n)),]
menções_df <- menções_df[1:10,]

ggplot(menções_df, aes(x = reordenar(Var1, n), y=n)) +
geom_bar(stat="identidade", preenchimento="#00D4C9")+
theme_minimal() +
coord_flip() +
xlab("Twitter handles") + ylab("Count") +
ggtitle("Principais usuários do Twitter mencionados durante a final da Copa do Mundo da FIFA") +
theme_minimal()
[/código]

Isso mostra que a banda coreana BTS recebeu mais de 2500 menções devido à sua música para a partida final. E jogadores como Paul Pogba (francês), Kylian Mbappe (francês), Luka Modric (croata), Antoine Griezmann (Antoine Griezmann) estavam entre os 10 principais usuários mencionados. Observe que Kylian Mbappé se tornou o mais jovem desde Pelé a marcar na final da Copa do Mundo.

Distribuição de comprimento de caracteres

Qual foi o intervalo mais comum para comprimento de caracteres em tweets? Vamos descobrir!

[linguagem do código=”r”]
ggplot(fifa_tweets) + aes(x=display_text_width,y = ..count../sum(..count..)) +
geom_density(stat='bin', binwidth=15, alpha = .4, fill = "#1ed7d1") +
scale_y_continuous(rótulos = porcentagem, nome = "Porcentagem") +
scale_x_continuous(breaks = scales::pretty_breaks(n = 20),name = "Comprimento do caractere") +
ggtitle("Distribuição do tamanho dos caracteres dos tweets durante a final da Copa do Mundo da FIFA") +
theme_minimal()
[/código]

O gráfico mostra que a maioria dos tweets tem de 45 a 60 caracteres. Observe que o comprimento médio é de 99.

Tweets populares

Agora, descobriríamos alguns dos tweets mais populares postados pelos usuários.

[linguagem do código=”r”]
ggplot(fifa_tweets, aes(x=favorite_count, y=retweet_count)) +
geom_text_repel(dados = fifa_tweets[fifa_tweets$favorite_count > 5000 | fifa_tweets$retweet_count > 2000,],
aes(etiqueta = nome),
box.padding = unit(0,45, "linhas")) +
geom_point(color = "#00D4C9") +
xlab("Contagem de favoritos") + ylab("Contagem de retuítes") +
ggtitle("Principais tweets postados durante a final da Copa do Mundo da FIFA") +
theme_minimal() +
tema(plot.margin=unit(c(.2,.5,.2,.2),"cm"))
[/código]

Isso mostra que os principais tweets em termos de favoritos e retuítes foram postados por UEFA Champions League, Lay Zhang, Copa do Mundo da FIFA e Pelé, considerado o maior jogador de futebol de todos os tempos.

Vamos conferir o tweet postado por Pelé:

Para você

Realizamos uma análise exploratória de dados no conjunto de dados do Twitter para descobrir as hashtags mais usadas, tweets populares, comprimento de caracteres dos tweets junto com o idioma e a conta do twitter mais mencionada. análise — técnicas de mineração de texto podem ser aplicadas no texto do tweet para n-grams, nuvem de palavras, análise de sentimentos e muito mais.