Нужно уточнить расчет среднего значения полярности, возвращаемого сентиментальной функцией sentimentr(trinker)

Question

Я использую функцию анализа настроений sentiment_by() из пакета R sentimentr (от trinker). У меня есть фрейм данных, содержащий следующие столбцы: просмотр комментариев месяц год Я запустил функцию сентимент_бай на фрейме данных, чтобы найти средний показатель полярности на основе года и месяца, и я получил следующие значения.

review_year review_month    word_count  sd  ave_sentiment
2015       March        8722    0.381686065 0.163440921
2015       April        7758    0.387046768 0.158812775
2015       May          7333    0.389256472 0.149220636
2015       November    14020    0.394711478 0.14691745
2016       February     7974    0.400406931 0.142345278
2015       September    8238    0.379989344 0.141740366
2015       February     7642    0.361415304 0.141624745
2015       December    24863    0.387409099 0.141606892
2016       March        8229    0.389033232 0.138552943
2016       January      10472   0.388300946 0.134302612
2015       August       7520    0.3640285   0.127980712
2016       May          3432    0.422246851 0.125041218
2015       June         8678    0.356612924 0.119333949
2015       January      9930    0.351126449 0.119225549
2016       April        9344    0.397066458 0.111879315
2015       July         8450    0.349963536 0.108881821
2015       October      7630    0.38017201  0.1044298

Теперь я запускаю функцию sentiment_by на фрейме данных, основываясь только на комментариях, а затем запускаю следующую функцию для результирующего фрейма данных, чтобы найти среднюю оценку полярности на основе года и месяца.

sentiment_df[,list(avg=mean(ave_sentiment)),by="month,year"]

Я получаю следующие результаты.

month       year        avg
January     2015    0.110950199
February    2015    0.126943461
March       2015    0.146546669
April       2015    0.148264268
May         2015    0.143924126
June        2015    0.110691204
July        2015    0.106472437
August      2015    0.118976304
September   2015    0.135362187
October     2015    0.111441484
November    2015    0.137699548
December    2015    0.136786867
January     2016    0.128645808
February    2016    0.129139898
March       2016    0.134595706
April       2016    0.12106743
May         2016    0.142801514

Согласно моему пониманию, оба должны возвращать одинаковые результаты, поправьте меня, если я ошибаюсь. Причина, по которой я выбрал второй подход, заключается в том, что мне нужно усреднить полярность, основываясь как на месяце, так и на году, а также на месяцах, и я не хочу использовать метод дважды, так как это приведет к дополнительной временной задержке. Может ли кто-нибудь дать мне знать, что я делаю здесь не так?

Answer 1

Вот идея: может быть, первая функция берет средние значения из отдельных предложений, а вторая - средние значения из "аве настроения", которое уже является средним. Таким образом, среднее значение средних не всегда равно среднему значению отдельных элементов.