以 twitterTrump.csv 與 Figure 12.1 練習 Corpus Pre-processing、Text Exploration 與 Word Cloud。
理解 Corpus、Stop Words、Stemming、Punctuation Removal、Lower Case 與 Term Frequency 的基本角色。
原書使用 2016 年 5 月 25 日由 Twitter API 取得的 5,000 則 Tweets 作為文字探索資料。
| 項目 | 原書內容 |
|---|---|
| Dataset | twitterTrump.csv |
| 資料量 | 5,000 則 Tweets |
| 取得日期 | 2016-05-25 |
| 文字欄位 | text：Tweets 的 Raw Text |
| 視覺輸出 | Figure 12.1：Voyant Word Cloud |
建立 Corpus → Pre-processing → Term Frequency／Word Cloud → 檢視高頻詞與可能的主題線索。
原書提供 Figure 12.1 的視覺結果；本案例不自行補造未列出的 Frequency 數值。
Word Cloud 適合快速探索，但詞頻本身不能完整表達語意、脈絡、諷刺或立場。
「根據已提供的文字頻率或 Word Cloud 結果，整理可能的主題線索；明確區分觀察與推論，不要把高頻詞直接當成因果或情緒結論。」
問題：若不移除 Stop Words，會有什麼影響？
**參考解答：**常見但資訊量低的詞可能主導頻率結果，使真正有分析價值的詞較難辨識。