如何将数据帧强制转换为DocumentTermMatrix？

我试图使用

tidytext

将一组词频转换为DocumentTermMatrix，但该函数似乎没有按预期工作。我从

AssociatedPress

开始，我知道这是一个documentTermMatrix，整理并将其转换回，但输出与原始矩阵不同。我做错了什么

library(topicmodels)
data(AssociatedPress)
ap_td <- tidy(AssociatedPress)
tt <- ap_td %>%
  cast_dtm(document, term, count)

cast\u dtm

检索警告

警告消息：尝试为未找到的变量计算distinct（） 在数据中： -

行列

，

列

这是一个错误，但出于兼容性原因，只会发出警告。该操作将返回输入 不变

---

在GitHub上，我找到了现在应该修复的问题。

使用tidytext 0.1.9.900和R 3.5.0时，我没有收到您的警告消息

dtm的术语、行和列的数量相同。此外，所有计数都是正确的

实际上，

tt$dimnames$Docs

的$dimnames$Docs与

关联的$dimnames$Docs

之间存在差异

原因是，如果在整理之前dtm中没有文档ID，就像AssociatedPress一样，tidy函数会将AssociatedPress$i分配给tidy_文本（ap_td）中的文档变量。将其转换回dtm，将使用tidy_text data.frame（ap_td）中的文档值填充$dimnames$Docs。因此，最终关联的Press$i值将在tt$dimnames$Docs中结束

你可以看到，如果你比较美联社的$i和tt的文档

all.equal(unique(as.character(AssociatedPress$i)), unique(tt$dimnames$Docs))
[1] TRUE

或者从关联的Press到ap\u td再到tt进行比较：

all.equal(unique(as.character(AssociatedPress$i)), unique(tt$dimnames$Docs), unique(ap_td))
[1] TRUE

如果您想自己遵循逻辑，可以检查所使用的所有函数。从

tidy.DocumentTermMatrix

开始，然后按照函数调用调用到

tidy.simple\u triplet\u matrix

，最后到

tidy\u triplet

all.equal(unique(as.character(AssociatedPress$i)), unique(tt$dimnames$Docs), unique(ap_td))
[1] TRUE