R：TM 包从单列中查找词频

Question

我最近一直在尝试使用 tm 包在 R 中的 data.frame 中的单个列中查找词频。虽然 data.frame 本身有许多基于数字和字符的列，但我只对一个纯文本列感兴趣。虽然清理文本本身没有问题，但当我尝试使用 findFreqTerms() 命令提取词频时，我收到以下错误：

Error: inherits(x, c("DocumentTermMatrix", "TermDocumentMatrix")) is not TRUE

我的意思是说我需要将我的数据转换为 DocumentTermMatrix 或 TermDocumentMatrix，但是因为我只有一个列可以使用，所以我也也无法创建。错误如下：

> Test <- DocumentTermMatrix(Types)
Error in UseMethod("TermDocumentMatrix", x) : 
  no applicable method for 'TermDocumentMatrix' applied to an object of class "c('PlainTextDocument', 'TextDocument')"

有什么方法可以从单列中获取频率计数吗？我在下面粘贴了我的完整代码，并对我采取的每个步骤进行了解释。我很感激你们能给我的任何帮助。

> # extracting the single column I wish to analyse from the data frame
  Types <-Expenses$Types
> # lower all cases
  Types <- tolower(Types)
> # remove punctuation
  Types <- removePunctuation(Types)
> # remove numbers
  Types <- removeNumbers(Types)
> # attempting to find word frequency
  findFreqTerms(Types)
Error: inherits(x, c("DocumentTermMatrix", "TermDocumentMatrix")) is not TRUE

Answer 1

你首先需要一个语料库和术语文档矩阵...

library(tm)
a <- c("hello man", "how's it going", "just fine")
a <- tolower(a)
a <- removePunctuation(a)
a <- removeNumbers(a)
myCorpus <- Corpus(VectorSource(a))
myTDM <- TermDocumentMatrix(myCorpus)
findFreqTerms(myTDM)

Answer 2

如果使用 qdap 包，您可以直接从文本变量中找到术语的频率：

library(qdap)
a <- c("hello man", "how's it going", "just fine", "really fine", "man o man!")
a <- tolower(a)
a <- removePunctuation(a)
a <- removeNumbers(a)
freq_terms(a) # there are several additional arguments
  WORD   FREQ
1 man       3
2 fine      2
3 going     1
4 hello     1
5 hows      1
6 it        1
7 just      1
8 o         1
9 really    1

R：TM 包从单列中查找词频

R: TM package Finding Word Frequency from a Single Column

r

tm

qdap