tm软件包：在矩阵中而不是在R中的列表中输出findAssocs（）

考虑以下列表：

library(tm)
data("crude")
tdm <- TermDocumentMatrix(crude)
a <- findAssocs(tdm, c("oil", "opec", "xyz"), c(0.7, 0.75, 0.1))

library（tm）
数据（“原油”）
tdm这里有一个解决方案，使用
重塑2
来帮助重塑数据

library(reshape2)
aa<-do.call(rbind, Map(function(d, n) 
    cbind.data.frame(
      xterm=if (length(d)>0) names(d) else NA, 
      cor=if(length(d)>0) d else NA, 
      term=n),
    a, names(a))
)

dcast(aa, term~xterm, value.var="cor")

library（重塑2）
aa0）姓名（d）其他不适用，
cor=如果（长度（d）>0）d，则不适用，
术语=n），
a、 姓名（a））
)
dcast（aa，term~xterm，value.var=“cor”）
或者您可以使用
dplyr
和
tidyr

 library(dplyr)
 library('devtools')
 install_github('hadley/tidyr')

 library(tidyr)

 a1 <- unnest(lapply(a, function(x) data.frame(xterm=names(x),
                cor=x, stringsAsFactors=FALSE)), term)


  a1 %>% 
     spread(xterm, cor) #here it removed terms without any `cor` for the `xterm`
  #  term 15.8 ability above agreement analysts buyers clearly emergency fixed
  #1  oil 0.87      NA  0.76      0.71     0.79   0.70     0.8      0.75  0.73
  #2 opec 0.85     0.8  0.82      0.76     0.85   0.83      NA      0.87    NA
  #  late market meeting prices prices. said that they trying who winter
  #1  0.8   0.75    0.77   0.72      NA 0.78 0.73   NA    0.8 0.8    0.8
  #2   NA     NA    0.88     NA    0.79 0.82   NA  0.8     NA  NA     NA

库（dplyr）
库（“devtools”）
安装_github（'hadley/tidyr'））
图书馆（tidyr）
a1%
spread（xterm，cor）#在这里，它删除了没有任何“cor”表示“xterm”的术语`
#条款15.8上述协议分析员的能力明确规定了紧急情况
#1机油0.87钠0.76 0.71 0.79 0.70 0.8 0.75 0.73
#2欧佩克0.85 0.8 0.82 0.76 0.85 0.83纳0.87纳
#后期市场价格。说他们在试谁过冬
#1 0.80.75 0.77 0.72 NA 0.78 0.73 NA 0.80.80.8
#2钠0.88钠0.79 0.82钠0.8钠

更新
a
如果
a
是：
a@Steven Beaupre该
a
是从你的帖子中获取的
a@Steven Beaupre完成它需要很长时间吗？是的，完成它需要很长时间。@Steven Beaupre`我稍后会检查它，因为我现在必须去。根据你新的
a
更新了解决方案。我有点不明白为什么
a它不起作用，因为
findAssocs（tdm，c（“石油”，“欧佩克”，“xyz”），0.7）
将
c（“石油”，“欧佩克”，“xyz”）
与语料库中的所有剩余术语进行比较。例如，它没有将“石油”与“欧佩克”进行比较。它不会计算传入向量中的项的成对相关性。所以，当你通过语料库中的每一个术语时，没有什么可以比较的了，所以你没有得到任何结果。
 aNew <- sapply(tdm$dimnames$Terms, function(i) findAssocs(tdm, i, corlimit=0.95))
 aNew2 <- aNew[!!sapply(aNew, function(x) length(dim(x)))]
 aNew3 <- unnest(lapply(aNew2, function(x) data.frame(xterm=rownames(x), 
                     cor=x[,1], stringsAsFactors=FALSE)[1:3,]), term)
  res <- aNew3 %>% 
              spread(xterm, cor) 

  dim(res)
  #[1] 1021  160

   res[1:3,1:5]
    #     term ... 100,000 10.8 1.1
    #1     ...  NA      NA   NA  NA
    #2 100,000  NA      NA   NA   1
    #3    10.8  NA      NA   NA  NA