tm
パッケージを使用して、次のコードを使用して一部のデータをクリーンアップしています。
mycorpus <- Corpus(VectorSource(x))
mycorpus <- tm_map(mycorpus, removePunctuation)
次に、データをデータフレームの元の形式で含むテキストファイルをエクスポートするために、コーパスをデータフレームに変換し直します。私は以下を試しました:
dataframe <- as.data.frame(mycorpus)
しかし、これはエラーを返します:
"as.data.frame.default。(mycorpus)のエラー:クラス" c(vcorpus、> corpus ")をdata.frameに強制できません"
コーパスをデータフレームに変換するにはどうすればよいですか?
コーパスは実際には、いくつかの追加属性を持つ単なる文字ベクトルです。だからそれを文字に変換するのが最善です、そしてそれを次のようにdata.frameに保存できます:
library(tm)
x <- c("Hello. Sir!","Tacos? On Tuesday?!?")
mycorpus <- Corpus(VectorSource(x))
mycorpus <- tm_map(mycorpus, removePunctuation)
dataframe <- data.frame(text=unlist(sapply(mycorpus, `[`, "content")),
stringsAsFactors=F)
戻る
text
1 Hello Sir
2 Tacos On Tuesday
更新:tm
の新しいバージョンでは、sapply
とlapply
を実際に使用するas.list.SimpleCorpus
メソッドを更新したようです。今、私はあなたが使う必要があると思います
dataframe <- data.frame(text=sapply(mycorpus, identity),
stringsAsFactors=F)
コーパスクラスのオブジェクトには、content
を通じてアクセス可能なget
属性があります。
library("tm")
x <- c("Hello. Sir!","Tacos? On Tuesday?!?")
mycorpus <- Corpus(VectorSource(x))
mycorpus <- tm_map(mycorpus, removePunctuation)
attributes(mycorpus)
# $names
# [1] "content" "meta" "dmeta"
#
# $class
# [1] "SimpleCorpus" "Corpus"
#
df <- data.frame(text = get("content", mycorpus))
head(df)
# text
# 1 Hello Sir
# 2 Tacos On Tuesday
Data.frameに変換し、最も頻度の高い単語を並べ替えて、ワードクラウドにプロットできます!
library(tm)
library("wordcloud")
library("RColorBrewer")
x <- c("Hello. Sir!","Tacos? On Tuesday?!?", "Hello")
mycorpus <- Corpus(VectorSource(x))
mycorpus <- tm_map(mycorpus, removePunctuation)
dtm <- TermDocumentMatrix(mycorpus)
m <- as.matrix(dtm)
v <- sort(rowSums(m),decreasing=TRUE)
d <- data.frame(Word = names(v),freq=v)
head(d, 10)
# Word freq
#hello hello 2
#sir sir 1
#tacos tacos 1
#tuesday tuesday 1
#plot in a wordcloud
set.seed(1234)
wordcloud(words = d$Word, freq = d$freq, min.freq = 1,
max.words=200, random.order=FALSE, rot.per=0.35,
colors=brewer.pal(8, "Dark2"))
MrFlickによって投稿された古い回答はtmの以前のバージョンでのみ機能し、式からコンテンツを削除することで修正できました。
dataframe<-data.frame(text=unlist(sapply(mycorpus, `[`)), stringsAsFactors=F)
これは、テキスト分析で自分が使用した代替アプローチです。基本的には、ドキュメントフレームをデータフレームに変換するときに、マトリックスをドキュメント用語として参照します。その後、変数名をRフレンドリにする追加の行を実行できます。
データベース<-as.data.frame(as.matrix(mycorpus))
colnames(データベース)<-make.names(colnames(データベース))
このアプローチが出力に関して他の答えとどのように(または)異なるのかはわかりませんが、この構文の実装ははるかに簡単で簡単です。お役に立てれば!