根据 R 中的类别计算字符串中单词的出现次数

Question

我需要在文本字符串中搜索关键字，然后在 R 数据框中指定一个类别。这会产生一个问题，我有来自多个类别的关键字。我想轻松提取代表多个类别的行，以便我可以手动评估它们并分配正确的类别。

为此，我尝试添加一个计数列以显示每个字符串中代表了多少个类别。

结合使用下面链接的两个解决方案，我已经成功解决了部分问题，但仍然没有得到正确的输出

Partial animal string matching in R

Count occurrences of specific words from a dataframe row in R

我在下面创建了一个示例。我希望应用以下规则：

如果字符串有猫或狮子 wcount 得到 1 - 只代表 1 个组（猫科动物）

如果字符串有狗或狼 wcount 得到 1 - 只代表 1 个组（犬）

如果字符串有（猫或狮子）AND（狗或狼）wcount 得到 2 - 表示两个组（猫科动物和犬科动物）

然后我可以轻松地提取 wcount > 1 的行

id <- c(1:5)
text <- c('saw a cat',
      'found a dog',
      'saw a cat by a dog',
      'There was a lion',
      'Huge wolf'
      )
dataset <- data.frame(id,text)

SearchGrp<-list(c("(cat|lion)", "feline"),
            c("(dog|wolf)","canine"))

output_vector<- character (nrow(dataset))

for (i in seq_along(SearchGrp)){

output_vector[grepl(x=dataset$text, pattern = SearchGrp[[i]][1],ignore.case = TRUE)]<-SearchGrp[[i]][2]}  

dataset$type<-output_vector


keyword_temp <- unlist(lapply(SearchGrp, function(x) new<-{x[1]}))
keyword<-paste(keyword_temp[1],"|",keyword_temp[2])

library(stringr)
getCount <- function(data,keyword)
 {
  wcount <- str_count(dataset$text, keyword)
  return(data.frame(data,wcount))
   }

getCount(dataset,keyword)

Answer 1

这是获取跨类型计数的基本 R 方法。

dataset$wcnt <- rowSums(sapply(c("dog|wolf", "cat|lion"),
                               function(x) grepl(x, dataset$text)))

这里，sapply遍历了每种类型的正则表达式，并将其提供给grepl。这是一个 returns 矩阵，其中的列是逻辑向量，指示是否找到了特定类型（例如，"dog|wolf"）。 rowSums 对各行的逻辑求和以获得类型多样性计数。

这个returns

dataset
  id               text wcnt
1  1          saw a cat    1
2  2        found a dog    1
3  3 saw a cat by a dog    2
4  4   There was a lion    1
5  5          Huge wolf    1

如果您想要中间步骤，即在 data.frame 中返回逻辑向量作为变量，您可能希望在命名向量中设置您的值，然后对结果执行 cbind。

# construct named vector
myTypes <- c("canine"="dog|wolf", "feline"="cat|lion")
# cbind sapply results of logicals to original data.frame
dataset <- cbind(dataset, sapply(myTypes, function(x) grepl(x, dataset$text)))

这个returns

dataset
  id               text canine feline
1  1          saw a cat  FALSE   TRUE
2  2        found a dog   TRUE  FALSE
3  3 saw a cat by a dog   TRUE   TRUE
4  4   There was a lion  FALSE   TRUE
5  5          Huge wolf   TRUE  FALSE

根据 R 中的类别计算字符串中单词的出现次数

Count occurrences of words in a string according to a category in R

r

stringr