In rommelnc/hudar: High-Level Unstructured Data Analysis

load('../../data/politics-tweets-2014-07-08-copa-jogo.Rda')
tweets = tweets[grep("#BRA |#ALE |#GER |#BRAvALE|#BRAvsALE|#BRAvGER|#BRAvsGER", tweets$text, ignore.case=TRUE),]
save(tweets, file='../../data/politics-tweets-2014-07-08-copa-jogo-simples.Rda')
remove(tweets)
load('../../data/politics-tweets-2014-07-08-copa-jogo-simples.Rda')

# Separa tweets por termo desejado
tweetsBra = tweets[grep("#BRA", tweets$text, ignore.case=TRUE),]
tweetsCol = tweets[grep("COL", tweets$text, ignore.case=TRUE),]
tweetsBraVsCol = tweets[grep("#BRAvCOL|#BRAvsCOL", tweets$text, ignore.case=TRUE),]
#Sys.setlocale("LC_TIME", "C")
# Recupera quantidade de tweets por hora
source('funcoesTwitter.R')
refBra = referenceByHour(tweetsBra)
refBra$grupo = '#BRA'
refCol = referenceByHour(tweetsCol)
refCol$grupo = '#COL'
refBraVsCol = referenceByHour(tweetsBraVsCol)
refBraVsCol$grupo = '#BRAvCOL ou #BRAvsCOL'

# Plota o gráfico das referências por hora
refs = rbind(refBra, refCol, refBraVsCol)
refs = refs[refs$Dia != as.POSIXlt('07/05', format="%m/%d"),]
plotReferencesByHour(refs)


# Tweets
tweets$created_at2 = strptime(tweets$created_at, "%a %b %d %H:%M:%S %z %Y")
tweets[tweets$created_at2$hour == 17 & tweets$retweet_count == 4245,]$text
tweets[tweets$created_at2$hour == 17 & tweets$retweet_count == 4245,]
tweets[tweets$created_at2$hour == 17  & tweets$retweet_count > 0,][51:100,]$text
tweets[tweets$created_at2$hour == 17  & tweets$retweet_count > 0,][51,]
tweets[grep('http', tweets[tweets$created_at2$hour == 17  & tweets$retweet_count > 0,]$text),][30,]

nrow(tweets[tweets$created_at2$hour == 20  & tweets$retweet_count > 0,])
tweets[tweets$created_at2$hour == 20  & tweets$retweet_count > 0,][8800,]


eleicoes$created_at2 = strptime(eleicoes$created_at, "%a %b %d %H:%M:%S %z %Y")
eleicoes[eleicoes$created_at2$hour == 7  & eleicoes$retweet_count > 0,][11,]
eleicoes[eleicoes$created_at2$hour == 7  & eleicoes$retweet_count > 0,][21,]
eleicoes[eleicoes$created_at2$hour == 17  & eleicoes$retweet_count > 0,][11,]
eleicoes[eleicoes$created_at2$hour == 19  & eleicoes$retweet_count > 100,][11,]
eleicoes[eleicoes$created_at2$hour == 19  & eleicoes$retweet_count > 5,][10,]


# Comparação com a campanha pra eleição presidencial
load('../../data/politics-tweets-2014-07-04-all.Rda')
eleicoes = recuperarTweetsEleicoes(tweets)

## Gráfico de menções dos candidatos à presidência
usuarios = data.frame(usuario=c('dilmabr', 'AecioNeves', 'eduardocampos40', 'silva_marina'), nome=c('Dilma', 'Aécio', 'Eduardo', 'Marina'), palavras=c('Dima Rouseff','Aécio Neves|Aecio Neves','Eduardo Campos','Marina Silva'))
refs = referencesByUserByHour(tweets, usuarios)
refs = refs[refs$Dia != as.POSIXlt('07/05', format="%m/%d"),]
plotReferencesByHour(refs)

## Gráfico de menções dos candidatos à presidência, agrupando Eduardo e Marina
refs2 = refs
refs2$grupo = as.character(refs2$grupo)
refs2[refs2$grupo == 'Eduardo',]$Referencias = refs2[refs2$grupo == 'Eduardo',]$Referencias + refs2[refs2$grupo == 'Marina',]$Referencias
refs2[refs2$grupo == 'Eduardo',]$grupo = 'Eduardo ou Marina'
refs2 = refs2[refs2$grupo != 'Marina',]
plotReferencesByHour(refs2)

## Gráfico de menções dos candidatos à presidência, todos
refs3 = rbind(refs, refs2[refs2$grupo == 'Eduardo ou Marina',])
plotReferencesByHour(refs3)