0

让我们从一个可重现的例子开始，它是一个key由 8 列和 3 行组成的数据框：

key <- structure(c("Make Professional Maps with QGIS and Inkscape", 
"Gain the skills to produce original, professional, and aesthetically pleasing maps using free software", 
"English", "Inkscape 101 for Beginners - Design Vector Graphics", 
"Learn how to create and design vector graphics for free!", "English", 
"Design & Create Vector Graphics With Inkscape 2016", "The Beginners Guide to designing and creating Vector Graphics with Inkscape. No Experience needed!", 
"English", "Design a Logo for Free in Inkscape", "Learn from an award winning, published logo design professional!", 
"English", "Inkscape - Beginner to Pro", "If you want to have a decent learning curve, you are new to the program or even in design, this course is for you.", 
"English", "Creating 2D Textures in Inkscape", "A guide to creating colorful and interesting textures in inkscape.", 
"English", "Vector Art in Inkscape - Icon Design | Make Vector Graphics", 
"Learn Icon Design by creating Vector Graphics using the .SVG and PNG format with the Free Software Inkscape!", 
"English", "Inkscape and Bootstrap 3 -> Responsive Web Design!", 
"Design responsive websites using Free tools Inkscape and Bootstrap 3! Mood Boards and Style Tiles to Mobile First!", 
"English"), .Dim = c(3L, 8L), .Dimnames = list(c("Title", "Short_Description", 
"Language"), c("1", "2", "4", "5", "6", "9", "13", "15")))

我想独立提取每一列的关键字。为此，我使用udpipeR 中的包。

因为我想运行每一列中的函数，所以我运行了一个for循环。

在开始之前，我们以英语为参考创建模型（有关更多信息，请参阅此链接）：

library(udpipe)
ud_model <- udpipe_download_model(language = "english")
ud_model <- udpipe_load_model(ud_model$file_model)

理想情况下，我的最终输出将是一个包含 8 列的数据框，并且提取了许多行作为关键字。

我尝试了两种方法：

方法一：使用dplyr

library(dplyr)
keywords <- list()
for(i in ncol(keywords_en_t)){
  keywords[[i]] <- keywords_en_t %>%
    udpipe_annotate(ud_model,s)
    as.data.frame()
}

方法二：

key <- list()
stats <- list()
for(i in ncol(keywords_en_t)){
    key[[i]] <- as.data.frame(udpipe_annotate(ud_model, x = keywords_en_t[,i]))
    stats[[i]] <- subset(key[[i]], upos %in% "NOUN")
    stats <- txt_freq(x = stats$lemma)
}

输出

在这两种情况下，或者我得到一些错误或者输出不是预期的。

如前所述，我期望的输出是一个数据框，其中 8 列在行中表示关键字

任何的想法？

4

1 回答 1

1

不幸的是，您的代码包含很多错误。您的循环不会从 1 变为列数，而是从 8 开始。使用1:ncol或seq_along. 您的关键数据是矩阵，而不是 data.frame。您需要提供udpipe_annotate一个字符向量。如果你只是提供一个 key[, 8] 你也提供了 dimnames 到udpipe_annotate. 这可能会生成您不需要的关键字。在方法 1 中，您使用 udpipe_annotate(ud_model,s) 但没有s定义。在方法 2 中，您使用 stats[[i]]，然后立即使用 stats 覆盖它。

为了纠正一些事情，我首先将数据转换为 data.frame。接下来，我运行循环以创建包含关键字的向量列表。在此之后，我创建了关键字的 data.frame。这部分代码考虑了向量的不同长度。

您可能想检查如何获取数据，因为拥有 3 列（“Title”、“Short_Description”、“Language”）和大量行更符合逻辑/整洁。

代码

# Transform key into a data.frame. Now it is a matrix. 
key <- as.data.frame(key, stringsAsFactors = FALSE)

library(udpipe)
# prevent downloading ud model if it already exists in the working directory
ud_model <- udpipe_download_model(language = "english", overwrite = FALSE)
ud_model <- udpipe_load_model(ud_model$file_model)

# prepare list with correct length
keywords <- vector(mode = "list", length = ncol(key))

for(i in 1:ncol(key)){
  temp <- as.data.frame(udpipe_annotate(ud_model, x = key[, i]))
  keywords[[i]] <- temp$lemma[temp$upos == "NOUN"]
}

#transform list of vectors to data.frame. 
# Use sapply because vectors are of different lengths.
keywords <- as.data.frame(sapply(keywords, '[', seq(max(lengths(keywords)))), stringsAsFactors = FALSE)

keywords

        V1        V2         V3     V4       V5       V6     V7      V8
1    skill beginners  beginners   logo learning       2d Design     web
2      map    design      guide  award    curve  Texture format  design
3 software    Vector experience   logo  program    guide   <NA>  design
4     <NA>  graphics       <NA> design   design  texture   <NA> website
5     <NA>    vector       <NA>   <NA>   course inkscape   <NA>    tool
6     <NA>   graphic       <NA>   <NA>     <NA>     <NA>   <NA>    <NA>
于 2018-10-28T10:44:53.760 回答