Desafio #82: Você tem samba no pé?

[SylviaP]

Oi pessoal, estou de volta!

Eu estava em férias, aproveitando um pouquinho do nosso verão que é tão curto (pra quem não sabe, eu moro no Canadá!).

Masss, o verão continua e o trabalho também, então essa semana tenho um desafio bem gostoso para vocês resolverem!

Desafio:

Nosso conjunto de dados contém informações sobre o Carnaval do Brasil. Seu objetivo é contar o número de vezes que cada palavra, com três ou mais letras, aparece no texto. Na segunda etapa, classifique as palavras em ordem decrescente e mostre a porcentagem do uso dessa palavra em relação à contagem total.

Bônus 1: Quantas vezes a palavra samba apareceu? (Coloque sua resposta no modo "Spoiler")

Bônus 2: Que tal encontrar outro texto online e executar sua solução nele. Compartilhe com a gente quais textos você gostaria que outros usuários analisassem.

Bônus 3: Use a ferramenta de download para obter texto diretamente do site em vez de usar o arquivo de texto.

Bora movimentar os dedinhos e sambar na solução! 🙂

[Matheus_Rodrigues]

@SylviaP, espero que tenha aproveitado as férias, bom retorno!
Encontrei algumas dificuldades nesse desafio, mas vou deixar elas dentro do Spoiler.

Ahhh, finalmente usei o Tokenize do Regex Tool em um desafio.

Saqueador

Notei que temos a palavra Samba em duas escritas: samba e Samba o que deu uma confusão aqui.
Poderia ter usado a função TitleCase(), mas isso deixaria meu resultado diferente do esperado.
Quantidade:
Também notei que faltam os cabeçalhos na parte do resultado, talvez tenha sido proposital para dificultar um pouco.

Aproveitei e copiei a base, colocando novos cabeçalhos e colocando os antigos como dados, pra conseguir checar o resultado.

[Malvim]

Hey!

Segue minha solução: E deu samba!

Saqueador

Tem um pequeno porém que faz toda a diferença nesse desafio:

Através da Browse tool é possível perceber que a maior linha do arquivo tem 2181 Caracteres. Então é necessário aumentar aumentar o 'Comprimento do campo' na input toll para este tamanho com a finalidade de não perder nenhuma palavra.

BONUS 1

Pretendo vir com Bonus 2 e Bonus 3 logo mais. 😃

Marcus Alvim

[Matheus_Rodrigues]

@Malvim não tinha notado sobre o tamanho da linha, muito bom.

Quando eu for adicionar o download vou corrigir isso, muito bom!

[Malvim]

Hey de novo!

Acabei de ver que esqueci de colocar o fluxo na minha resposta! 

@Matheus_Rodrigues  essa tal da linha truncada dá uma dor de cabeça as vezes! haha E Obrigado pela Regular Expression \w{3,} ... 😃

Para fazer os Bonus eu resolvi coletar informações da página 'Base de Conhecimento - Português' aqui da comunidade Alteryx pra tentar identificar quais as palavras mais comuns nos títulos dos Artigos.

Tomei a liberdade de pegar palavras com 5 caracteres ou mais pra eliminar os 'com'; 'que'; 'para'; e 'como' da vida...

Segue BONUS 2 + BONUS 3:

Saqueador

Top 10 Palvras nos títulos dos artigos:

E pelo visto Alteryx é o vencedor!

 E quase que me esqueço dos fluxos de novo! =P

--

Marcus Alvim

[SylviaP]

Muito boa sua solução @Matheus_Rodrigues e na minha solução a palavra samba aparece  17 vezes!

Mas já vi que tem solução diferente... 🙂

[dougperez]

Boa noite galera!

Fiz de um jeito... Mas acho que não entendi muito bem o desafio, quando aumentei o tamanho do campo do csv meu resultado não batia de jeito nenhum (apenas da quantidade de "sambas" hahahaha)

Bom, mas fiz até o bônus 1!

[andreyluiz]

Segue minha solução.

Assim como @Matheus_Rodrigues notei que as mesmas palavras aparecem com notações diferentes,

Por se tratarem da mesma considerei em uma só.

Bônus 1: No meu a palavra Samba apareceu por 17 vezes tbm.

[lemuelcastro]

Segue minha solução!

Saqueador

[SylviaP]

Oi @dougperez acho que o grande problema desse desafio é a mistura de letras maiúsculas e minúsculas, pois na hora da contagem fica meio estranho.

Engraçado que eu tento, tento e tento bater minha solução com a de vocês e eu SEMPRE encontro 17 "sambas" no meu workflow. 🙈

Até postei uma soluçào nova, mas mesmo assim encontro 17. Hahaha!