使用字数将数据框转换为 tibble

Question

我正在尝试根据 http://tidytextmining.com/sentiment.html#the-sentiments-dataset 执行情绪分析。在执行情绪分析之前，我需要将我的数据集转换成整洁的格式。

我的数据集的形式是：

x <- c( "test1" , "test2")
y <- c( "this is test text1" , "this is test text2")
res <- data.frame( "url" = x, "text" = y)
res
    url               text
1 test1 this is test text1
2 test2 this is test text2

为了转换为每行一个观察值，需要处理文本列并添加新列，其中包含单词及其出现次数 url。相同的url会出现在多行中。

这是我的尝试：

library(tidyverse)

x <- c( "test1" , "test2")
y <- c( "this is test text1" , "this is test text2")
res <- data.frame( "url" = x, "text" = y)
res

res_1 <- data.frame(res$text)
res_2 <- as_tibble(res_1)
res_2 %>% count(res.text, sort = TRUE)

其中 returns :

# A tibble: 2 x 2
            res.text     n
              <fctr> <int>
1 this is test text1     1
2 this is test text2     1

如何计算 res$text dataframe 中的单词并维护 url 以执行情感分析？

更新：

x <- c( "test1" , "test2")
y <- c( "this is test text1" , "this is test text2")
res <- data.frame( "url" = x, "text" = y)
res

res %>%
group_by(url) %>%
transform(text = strsplit(text, " ", fixed = TRUE)) %>%
unnest() %>%
count(url, text)

returns 错误：

Error in strsplit(text, " ", fixed = TRUE) : non-character argument

我正在尝试转换为 tibble，因为这似乎是 tidytextmining 情感分析所需的格式：http://tidytextmining.com/sentiment.html#the-sentiments-dataset

Answer 1

您正在寻找这样的东西吗？当你想用 tidytext 包处理情感分析时，你需要用 unnest_tokens() 分隔每个字符串中的单词。这个功能可以做的不仅仅是将文本分成单词。如果您想稍后查看该功能。一旦每行有一个单词，您就可以使用 count() 计算每个单词在每个文本中出现的次数。然后，您想删除停用词。 tidytext 包中有数据，因此您可以调用它。最后，您需要有情绪信息。在这里，我选择了 AFINN，但如果你愿意，你可以选择其他的。希望对您有所帮助。

x <- c( "text1" , "text2")
y <- c( "I am very happy and feeling great." , "I am very sad and feeling low")
res <- data.frame( "url" = x, "text" = y, stringsAsFactors = F)

#    url                               text
#1 text1 I am very happy and feeling great.
#2 text2      I am very sad and feeling low

library(tidytext)
library(dplyr)

data(stop_words)
afinn <- get_sentiments("afinn")

unnest_tokens(res, input = text, output = word) %>%
count(url, word) %>%
filter(!word %in% stop_words$word) %>%
inner_join(afinn, by = "word")

#    url    word     n score
#  <chr>   <chr> <int> <int>
#1 text1 feeling     1     1
#2 text1   happy     1     3
#3 text2 feeling     1     1
#4 text2     sad     1    -2

使用字数将数据框转换为 tibble

Converting data frame to tibble with word count

r

dataframe

tibble

tidytext