-1

基本上，我有一个 .txt 文件，其中包含两个参与者之间的谈判记录，其格式为：

Name Time Stamp Text Name Time Stamp Text

依此类推，以进行完整的对话。有没有办法对 R 进行编码以将此记录拆分为单独的变量，以便名称变量、时间戳变量和完整记录的文本变量？

我一直在手工完成，但随着成绩单越来越长，要做的事情越多，手工完成的难度就越大。我知道有一些用于解析文本的代码用于情感分析等，但据我所知，我只知道如何编写代码来提取特定的词性。

任何帮助将不胜感激。

4

1 回答 1

0

如果我意识到这有多难，我会跳过这个问题。但我在pivot_long. read_csv将为您修复这些重复的名称，read如果您为它们提供正确的选项，大多数其他功能也会如此。

library(tidyverse)
Raw <-  readr::read_csv("Name,Time Stamp,Text,Name,Time Stamp,Text,Name,Time Stamp,Text
Arthur,1:22,No,Betty,1:23,Yes,Arthur,1:24,Dang")
# A tibble: 1 x 9
Name   `Time Stamp` Text  Name_1 `Time Stamp_1` Text_1 Name_2 `Time Stamp_2` Text_2
<chr>  <time>       <chr> <chr>  <time>         <chr>  <chr>  <time>         <chr> 
  1 Arthur 01:22        No    Betty  01:23          Yes    Arthur 01:24          Dang

现在，让我们pivot_long：

transcript1 <- Raw %>% 
  rowid_to_column("ROW") %>% 
  pivot_longer(cols = starts_with("Name"), names_to = "Nm", values_to = "NAME") %>% 
  pivot_longer(cols = starts_with("Time"), names_to = "Ts", values_to = "TIME.STAMP") %>% 
  pivot_longer(cols = starts_with("Text"), names_to = "Tx", values_to = "TEXT")

在 ROW =1 我们想将 Nm_2 与 Ts_2 与 Tx_2 等相关联。让我们构建一个函数

nmOut <- function(ROW, string){
  ext <- str_extract(string, "(?<=_)\\d+")
  paste(ROW, 
    ifelse(is.na(ext), "0", ext ))
}

transcript2 <- transcript1 %>% 
  mutate(rNm = nmOut(ROW, Nm),
         rTs = nmOut(ROW, Ts),
         rTx = nmOut(ROW, Tx)) %>% 
  filter(rNm == rTs & rTs == rTx)

# A tibble: 3 x 10
    ROW Nm     NAME   Ts           TIME.STAMP Tx     TEXT  rNm   rTs   rTx  
  <int> <chr>  <chr>  <chr>        <time>     <chr>  <chr> <chr> <chr> <chr>
1     1 Name   Arthur Time Stamp   01:22      Text   No    1 0   1 0   1 0  
2     1 Name_1 Betty  Time Stamp_1 01:23      Text_1 Yes   1 1   1 1   1 1  
3     1 Name_2 Arthur Time Stamp_2 01:24      Text_2 Dang  1 2   1 2   1 2   




transcriptFinal <- transcript2 %>% 
  select(ROW, NAME, TIME.STAMP, TEXT)

transcriptFinal

# A tibble: 3 x 4
    ROW NAME   TIME.STAMP TEXT 
  <int> <chr>  <time>     <chr>
1     1 Arthur 01:22      No   
2     1 Betty  01:23      Yes  
3     1 Arthur 01:24      Dang

最后，查看 Hadley 的参考资料pivot_long：https ://r4ds.had.co.nz/tidy-data.html#pivoting

于 2020-05-22T00:40:00.157 回答