R 如何计算quanteda中每天的单词比例？

考虑这个简单的例子

tibble(text = c('a grande latte with soy milk',
                'black coffee no room',
                'latte is a latte',
                'coke, diet coke'),
       myday = c(ymd('2018-01-01','2018-01-01','2018-01-03','2018-01-03'))) %>% 
  corpus() %>% 
  tokens() %>% 
  dfm()
Document-feature matrix of: 4 documents, 14 features (71.4% sparse).
4 x 14 sparse Matrix of class "dfm"
       features
docs    a grande latte with soy milk black coffee no room is coke , diet
  text1 1      1     1    1   1    1     0      0  0    0  0    0 0    0
  text2 0      0     0    0   0    0     1      1  1    1  0    0 0    0
  text3 1      0     2    0   0    0     0      0  0    0  1    0 0    0
  text4 0      0     0    0   0    0     0      0  0    0  0    2 1    1

我感兴趣的是得到单词

coffee

的比例，按天聚合

也就是说，对于2018-01-01日，我们可以看到有10个单词（

a

grande

latte

大豆
牛奶
黑
咖啡
）和
咖啡
只提到一次。所以这个比例是1/10。前几天也是这样

在
quanteda
中如何实现这一点？当然，这样做的目的是避免将稀疏矩阵具体化为稠密矩阵

谢谢
 这很简单，也是quanteda设计决策的一部分，将文档从语料库对象传递到“下游”对象，如dfm。您可以使用
dfm_group（）
通过
myday
docvar然后加权来解决此问题

首先，要使示例完全可复制，并为dfm对象指定名称：

库（“quanteda”）
##软件包版本：1.4.3
图书馆（“tibble”）
图书馆（“润滑”）
dfmat%
语料库（）%>%
令牌（）%>%
dfm（）

现在只需两次操作即可获得所需的结果

dfmat2%
dfm_重量（方案=“道具”）
dfmat2
##文档特征矩阵：2个文档，14个特征（42.9%稀疏）。
##2 x 14类“dfm”的稀疏矩阵
##特征
##一杯大拿铁加豆浆黑咖啡没有房间了
##   2018-01-01 0.100    0.1  0.10  0.1 0.1  0.1   0.1    0.1 0.1  0.1 0    
##   2018-01-03 0.125    0    0.25  0   0    0     0      0   0    0   0.125
##特征
##可口可乐、减肥药
##   2018-01-01 0    0     0    
##   2018-01-03 0.25 0.125 0.125
dfmat2[，“咖啡”]
##文档特征矩阵：2个文档，1个特征（50.0%稀疏）。
##“dfm”类的2 x 1稀疏矩阵
##特征
##博士咖啡
##   2018-01-01    0.1
##   2018-01-03    0