Data Analytics Consultant, Instructor. Areas: Data Analytics, Geometry, Simulation, Visualization, Computer Vision, Robotics...
livro = await FileAttachment("machado_de_assis_esaú_e_jacob.txt").text();
typeof(livro)
livro.length
livro_start = livro.indexOf("CAPITULO PRIMEIRO")
livro_end = livro.indexOf("ÍNDICE")
livro.slice(livro_start-20, livro_start+30)
livro.slice(livro_end-20, livro_end+20)
livro_cortado = livro.slice(livro_start,livro_end-1)
"abcdefgh".slice(-3)
livro_cortado.slice(-120)
"iverton, dan, alexandre".split(", ")
livro_cortado.split(/CAPITULO/)
livro_cortado.replace("CAPITULO PRIMEIRO","CAPITULO I").slice(0,100)
livro_split = livro_cortado
.replace("CAPITULO PRIMEIRO","CAPITULO I")
.split("CAPITULO")
.slice(1) // remove a 1a linha vazia
chapter_word_count=livro_split.map(c=>chapter_words(c).length)
viewof words_per_chapter = aq.table({word_count:chapter_word_count})
.derive({chapt:op.row_number()},{before:0})
.view({height:240})
vl.markBar()
.data(words_per_chapter)
.encode(
vl.x().fieldQ("chapt").scale({domain:[0,120]}),
vl.y().fieldQ("word_count")
)
.width(500)
.render()
cap_01_words = chapter_words(livro_split[0])
stop_words = aq.fromCSV(await FileAttachment("machado_stopwords.csv").text())
stop_words
.view({height:240})
viewof cap_01_word_freq_ns = cap_01_word_freq
.antijoin(stop_words,['word','palavra'])
.view({height:240})
vl.markBar()
.data(cap_01_word_freq_ns.slice(0,10))
.encode(
vl.y().fieldN("word").sort(d=>d.count),
vl.x().fieldQ("count")
)
.render()
positive_words = aq.fromCSV(await FileAttachment("sentimentos_positivos@1.csv").text())
negative_words = aq.fromCSV(await FileAttachment("sentimentos_negativos@1.csv").text())
positive_words.view({height:240})
negative_words.view({height:240})
md`### 9.1 Usando semi-join, reporta palavras positivas e negativas no primeiro capítulo`
cap_01_word_freq_ns
.semijoin(positive_words,['word','palavra'])
.view({height:240})
cap_01_word_freq_ns
.semijoin(negative_words,['word','palavra'])
.view({height:240})
get_sentiment(livro_split[0])
livro_sentimentos=livro_split.map(c=>get_sentiment(c).sentiment);
livro_sentimentos_table=aq.table({sentimento:livro_sentimentos})
.derive({chapter:op.row_number()},{before:0})
.derive({is_positive:d=>d.sentimento>0})
livro_sentimentos_table
.view({height:240})
vl.markBar()
.data(livro_sentimentos_table)
.encode(
vl.x().fieldQ("chapter").scale({domain:[0,120]}),
vl.y().fieldQ("sentimento"),
vl.color().fieldN("is_positive").scale({range:['red','green']}).legend(null)
)
.width(500)
.render()
heroku_cors = "https://puc-mdt-cors.herokuapp.com/"
One platform to build and deploy the best data apps
Experiment and prototype by building visualizations in live JavaScript notebooks. Collaborate with your team and decide which concepts to build out.
Use Observable Framework to build data apps locally. Use data loaders to build in any language or library, including Python, SQL, and R.
Seamlessly deploy to Observable. Test before you ship, use automatic deploy-on-commit, and ensure your projects are always up-to-date.