R-скрипт Петрова Ульяна Павловна

Страница создана Петровой Ульяной Павловной, ИНФА-221.

Описание датасета

Датасет Books (dataset) содержит метаданные топ-1000 самых скачиваемых книг Project Gutenberg: библиография (автор, название, год, жанровые теги subjects), метрики читаемости и тональности. Файл classics.csv - https://corgis-edu.github.io/corgis/datasets/csv/classics/classics.csv

Код R-скрипта

library(readr)
library(dplyr)
library(tidytext)

# 1. Загрузка
classics <- read_csv("classics.csv")

# 2. Структура
glimpse(classics)

# 3. Подсчёт слов в жанровых тегах
word_counts <- classics %>%
  filter(!is.na(bibliography.subjects)) %>%
  select(bibliography.subjects) %>%
  unnest_tokens(word, bibliography.subjects) %>%
  anti_join(stop_words, by = "word") %>%
  count(word, sort = TRUE)

# 4. Топ-10
top10 <- head(word_counts, 10)
print(top10)

Код R-скрипта в RStudio (posit.cloud)

Результаты анализа

Слово	Частота
fiction	1415
stories	212
drama	206
english	178
england	155
poetry	133
history	129
life	104
character	95
century	90

Топ-10 самых частых слов в жанровых тегах subjects

Комментарий

В выборке из топ-1000 книг Project Gutenberg самый частый жанровый тег — fiction (1415), за ним stories и drama. Высокая частота english/england показывает, что среди самых скачиваемых книг много английской классики.