{"id":912,"date":"2022-05-24T17:28:13","date_gmt":"2022-05-24T17:28:13","guid":{"rendered":"https:\/\/javierladino.com\/es\/?post_type=rara-portfolio&p=912"},"modified":"2022-10-23T05:22:49","modified_gmt":"2022-10-23T05:22:49","slug":"analisis-visual-del-discurso-presidencial-en-francia-con-python","status":"publish","type":"rara-portfolio","link":"https:\/\/javierladino.com\/es\/portfolio\/analisis-visual-del-discurso-presidencial-en-francia-con-python\/","title":{"rendered":"An\u00e1lisis visual del discurso presidencial en Francia con python"},"content":{"rendered":"\n

Introducci\u00f3n<\/mark><\/h2>\n\n\n\n

Este proyecto ser\u00e1 mi primera experimentaci\u00f3n con las herramientas de Web scraping<\/strong>, donde mediante el lenguaje Python pretendo al final hacer un an\u00e1lisis visual de las palabras m\u00e1s comunes entre los discursos de posesi\u00f3n de los presidentes Fran\u00e7ois Hollande<\/strong> (2012) y Emmanuel Macron<\/strong> (2022), estos discursos fueron obtenidos del sitio web oficial https:\/\/www.vie-publique.fr\/ <\/a>.<\/p>\n\n\n\n

Utilizaremos la dependencia BeatifulSoup<\/strong> de Python para extraer la informaci\u00f3n de cada discurso en su url espec\u00edfica, y despu\u00e9s usaremos el paquete Word_cloud<\/strong> para convertirlo en una nube de las palabras m\u00e1s utilizadas logrando as\u00ed nuestra primera visualizaci\u00f3n de datos.<\/p>\n\n\n\n

Luego, mediante la dependencia Matplotlib<\/strong> obtendremos una visualizaci\u00f3n del top 10 de las palabras m\u00e1s comunes, logrando comparar visualmente cada discurso seg\u00fan su texto.<\/p>\n\n\n\n

Concluiremos con algunas hip\u00f3tesis al finalizar el ejercicio, donde al lado de los resultados entenderemos la utilidad de cada herramienta para el tratamiento y la visualizaci\u00f3n de datos hacia el conocimiento.<\/p>\n\n\n\n

Datos<\/mark><\/h3>\n\n\n\n

Toda la informaci\u00f3n utilizada est\u00e1 publicada en el portal oficial de Vida P\u00fablica del gobierno franc\u00e9s<\/a>, en su enlace est\u00e1 disponible para todos y esta uso ser\u00e1 solamente con fines acad\u00e9micos.<\/p>\n\n\n\n

Por cronolog\u00eda, escog\u00ed el \u00faltimo discurso de investidura del presidente Macron realizado el 7 de mayo de 2022<\/a> y el discurso de investidura del presidente Hollande del 15 de mayo de 2012<\/a>. (Fue obviado el discurso intermedio de reelecci\u00f3n del presidente Macron, del 14 de mayo de 2017)<\/p>\n\n\n\n

T\u00e9cnicamente el proyecto est\u00e1 implementado en Python sobre un notebook de JupyterLab<\/strong> de manera local y todos sus archivos ser\u00e1n alojados en GitHub para su consulta y actualizaci\u00f3n.<\/p>\n\n\n\n

METODOLOG\u00cdA<\/mark><\/h3>\n\n\n\n

Importaci\u00f3n de dependencias<\/strong><\/mark><\/p>\n\n\n\n

Importamos todas las dependencias a utilizar en nuestro notebook.<\/p>\n\n\n\n

#Import requests for web scraping\nimport pandas as pd\nimport requests as rq\nimport numpy as np\nimport collections\n\n# Matplotlib and associated plotting modules\nimport matplotlib.cm as cm\nimport matplotlib.colors as colors\n\nimport matplotlib as mpl\nimport matplotlib.pyplot as plt\n\n# import k-means from clustering stage\nfrom PIL import Image \nfrom matplotlib import rcParams<\/code><\/pre>\n\n\n\n
Si quieren experimentar con otras dependencias o instalar m\u00e1s paquetes seg\u00fan sus objetivos de proyecto pueden hacerlo directamente sobre el notebook, ejemplo:<\/p>\n\n\n\n
!pip install lxml<\/code><\/pre>\n\n\n\n
Yo intento trabajar siempre con notebooks en JupyterLab<\/strong> de manera local bajo un ambiente virtual de Anaconda (Conda env)<\/strong>, tambi\u00e9n utilizo COLAB de Google<\/strong> y Deepnote<\/strong> que funcionan muy bien como m\u00e1quinas virtuales si el proyecto se presta. (Siempre depender\u00e1 del consumo de m\u00e1quina en el procesamiento de los datos y de la calidad de conexi\u00f3n a internet)<\/p>\n\n\n\n
Proceso de obtenci\u00f3n y limpieza de datos<\/mark><\/h3>\n\n\n\n
Importamos BeautifulSoup<\/strong> para extraer todo el documento html de cada discurso y lo convertimos luego en tipo texto (STR).<\/p>\n\n\n\n
Primero utilizamos el discurso de investidura del presidente Hollande del 15 de mayo de 2012<\/a><\/p>\n\n\n\n
#Import BeautifulSoup for html structure information from our request\nfrom bs4 import BeautifulSoup\n\npage = rq.get('https:\/\/www.vie-publique.fr\/discours\/185063-declaration-de-m-francois-hollande-president-de-la-republique-sur-son')\n\nsoup = BeautifulSoup(page.text, 'lxml')\n\ndata = [element.text for element in soup.find_all('span', {'class': 'text-formatted'})] #Retrieving text\ndata = str(data) #Convert to string\ndata<\/code><\/pre>\n\n\n\n
Tienes 3 opciones como analizador o Parser de Beatifulsoup<\/strong>, al final eleg\u00ed lxml<\/strong><\/kbd>.
En la documentaci\u00f3n de la librer\u00eda<\/a> encontrar\u00e1s las diferencias:<\/p>\n\n\n\n