Nettoyage des données

Code

library(tidyverse)
library(tidytuesdayR)

# Préparation des données

tuesdata <- tt_load('2025-12-30')


christmas_novel_text <- tuesdata$christmas_novel_text %>%
  remove_missing() %>%
  group_by(gutenberg_id) %>% 
  mutate(text = paste0(text, collapse = " \n ")) %>%
  unique()


ganz_data <- tuesdata$christmas_novel_authors %>%
  inner_join(tuesdata$christmas_novels, by = 'gutenberg_author_id', keep = NULL) %>%
  inner_join(christmas_novel_text, by = 'gutenberg_id', keep = NULL)

Nombre de nouvelle par auteur

Code

ganz_data %>%
ggplot(aes(x = fct_infreq(author))) +
  geom_bar() +
  labs(title = "Nombre de nouvelle par auteur", x = "Auteur", y = "Nombre de nouvelle") +
  theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)) +
  scale_y_continuous(breaks = function(x) seq(ceiling(min(x)), floor(max(x)), by = 1))

Nombre de mots écrits par auteur

Code

ganz_data_number_word <- ganz_data %>%
  select(author, text) %>%
  mutate(number_word = str_count(text, "\\w+")) %>%
  group_by(author) %>%
  summarize(number_word = sum(number_word, na.rm = TRUE)) %>%
  arrange(desc(number_word)) %>%
  mutate(author = factor(author, levels = author))   # <-- ordre respecté


ganz_data_number_word %>%
  ggplot(aes(x = author, y = number_word)) +
  geom_col() +
  labs(
    title = "Nombre de mots écrits par auteur",
    x = "Auteur",
    y = "Nombre de mots"
  ) +
  theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)) +
  scale_y_continuous(labels = scales::comma)