datosdemiercoles_airbnb.R

library(tm)
library(SnowballC)
library(wordcloud)
library(RColorBrewer)
library(tidyverse)
library(ggwordcloud)

# Hecho por Rafa @GonzalezGouveia
# Con gusto para #DatosDeMiercoles, propuesto por @R4DS_es

# leyendo datos de capitales
buenos_aires <- readr::read_csv("https://raw.githubusercontent.com/cienciadedatos/datos-de-miercoles/master/datos/2019/2019-06-05/buenos_aires.csv")
cdmx <- readr::read_csv("https://raw.githubusercontent.com/cienciadedatos/datos-de-miercoles/master/datos/2019/2019-06-05/cdmx.csv")
rio <- readr::read_csv("https://raw.githubusercontent.com/cienciadedatos/datos-de-miercoles/master/datos/2019/2019-06-05/rio.csv")
santiago <- readr::read_csv("https://raw.githubusercontent.com/cienciadedatos/datos-de-miercoles/master/datos/2019/2019-06-05/santiago.csv")

########################################
# Un poquito de text mining muy básico #
########################################
# mini-diccionario
# corpus es el nombreque se le da al conjunto de todos los textos a analizar
# stopword son palabras que no ayudan al análisis como "el", "la", y así...

# cambiar aqui la capital para cada grafica
text <- santiago$descripcion

# Cargar datos como un corpus

docs <- Corpus(VectorSource(text))

# pasar textos a minúsculas
docs <- tm_map(docs, content_transformer(tolower))
# quitar números
docs <- tm_map(docs, removeNumbers)
# quitar stopwords en español
docs <- tm_map(docs, removeWords, stopwords("spanish"))
# quitar stopwords en inglés
docs <- tm_map(docs, removeWords, stopwords("english"))
# quitar puntuación
docs <- tm_map(docs, removePunctuation)
# eliminar espacios en blanco extras
docs <- tm_map(docs, stripWhitespace)

# crear tabla de frecuencias
dtm <- TermDocumentMatrix(docs)
m <- as.matrix(dtm)
v <- sort(rowSums(m),decreasing=TRUE)
d <- data.frame(word = names(v),freq=v)
print(head(d, 10))

d %>%
  slice(1:50) %>%
  mutate(angulo = 90 * sample(c(0, 1), n(), replace = TRUE, prob = c(60, 40))) %>%
  ggplot(aes(label = word,
             size = freq,
             angle = angulo,
             color = freq)) +
  # geom_text_wordcloud() +
  geom_text_wordcloud_area() +
  scale_size_area(max_size = 12) +
  theme_minimal()

# cambiar para cada ciudad
ggsave('./images/datos_de_miercoles_airbnb_santiago.png')

# Hecho por Rafa @GonzalezGouveia
# Con gusto para #DatosDeMiercoles, propuesto por @R4DS_es