是否有一种R技术可以对长数据结构进行分组、搜索和匹配?
这是从每个是否有一种R技术可以对长数据结构进行分组、搜索和匹配?,r,boolean,match,tidyverse,text-mining,R,Boolean,Match,Tidyverse,Text Mining,这是从每个id的5个单词列表中查找哪个id具有匹配的words的问题 我们有一个很长的数据结构,它来自一个文本挖掘项目,具有id和word。每组有5个单词。我们想测量一个id中的哪些单词在另一个id中。i、 e.根据这些单词,哪些id是相似的 我们尝试在[row,column]上使用for循环,但似乎有更好的方法 library(tidyverse) data <- tibble(id = factor(c(1234, 1234, 1234, 1234, 1234,
id
的5个单词列表中查找哪个id
具有匹配的word
s的问题
我们有一个很长的数据结构,它来自一个文本挖掘项目,具有id
和word
。每组有5个单词。我们想测量一个id中的哪些单词在另一个id中。i、 e.根据这些单词,哪些id是相似的
我们尝试在[row,column]上使用for循环,但似乎有更好的方法
library(tidyverse)
data <- tibble(id = factor(c(1234, 1234, 1234, 1234, 1234,
4523, 4523, 4523, 4523, 4523,
0984, 0984, 0984, 0984, 0984)),
word = c("hello", "today", "the", "monkey", "boy",
"go", "me", "key", "wind", "hello",
"monkey", "yes", "no", "wild", "quit"))
output <- matrix(1, length(data$id), length(data$id))
for (j in 1 : length(data$id)) {
for (i in 1 : length(data$id)) {
output[i,j] <- data[i,2] == data[j,2]
}
}
output
## from the output we see that 4 and 11 match.
data[4,]
data[11,]
欢迎任何关于完全重新组织数据结构或使用此结构的解决方案的建议。谢谢 我们可以通过
id
将单词拆分,然后使用带有自定义函数的outer
来计算单词在不同id
之间出现的次数
count_value <- function(x, y) {
colSums(mapply(`%in%`, x, y))
}
outer(split(data$word, data$id),split(data$word, data$id), count_value)
# 984 1234 4523
#984 5 1 0
#1234 1 5 1
#4523 0 1 5
count\u value我们可以按id
拆分单词
,然后使用outer
和自定义函数计算单词在不同id
之间出现的次数
count_value <- function(x, y) {
colSums(mapply(`%in%`, x, y))
}
outer(split(data$word, data$id),split(data$word, data$id), count_value)
# 984 1234 4523
#984 5 1 0
#1234 1 5 1
#4523 0 1 5
count\u值我们可以通过tcrossprod
从base R
tcrossprod(table(data))
# id
#id 984 1234 4523
# 984 5 1 0
# 1234 1 5 1
# 4523 0 1 5
或者使用tidyverse
library(tidyverse)
count(data, id, word) %>%
spread(word, n, fill = 0) %>%
column_to_rownames('id') %>%
as.matrix %>%
tcrossprod
# 984 1234 4523
#984 5 1 0
#1234 1 5 1
#4523 0 1 5
我们可以通过tcrossprod
从base R
tcrossprod(table(data))
# id
#id 984 1234 4523
# 984 5 1 0
# 1234 1 5 1
# 4523 0 1 5
或者使用tidyverse
library(tidyverse)
count(data, id, word) %>%
spread(word, n, fill = 0) %>%
column_to_rownames('id') %>%
as.matrix %>%
tcrossprod
# 984 1234 4523
#984 5 1 0
#1234 1 5 1
#4523 0 1 5
尽管如此,我还是想按id
对u进行分组,看看每个id
与另一个id
匹配的单词有多少,我添加了一个示例输出,显示了每个id
之间匹配的word
的数量,我想按id
对u进行分组,看看每个id
与另一个id
匹配的单词数量。我添加了一个示例输出,显示每个id
之间匹配的word
的数量