R语言学习问题记录 - 第一周

R语言学习 TM包文本

r学习32群 无心

QQ聊天记录读取后格式化 - 基础处理部分

library(stringr)
qq_records <- scan(file="d:/UI设计.txt",what="",sep="\n",encoding="UTF-8")
position_user <- which(grepl('^[0-9]+[-]+[0-9]+[-]+[0-9]+[[:space:]]+[0-9]+[:]+[0-9]+',qq_records)==T) 
qq_data<-list()
k=1
for(i in 0:(length(position_user)-2)){
  qq_data[k]<-list(paste0(qq_records[(position_user[1+i]):(position_user[2+i]-1)],collapse=';'))
  k<-k+1
}
data.frame(str_split(qq_data,";",simplify = TRUE,n=2),stringsAsFactors = F) -> qq_data

遇见的问题 - 排序函数

在R语言中，用于排序的函数有三个：sort() | order() | rank()

三者的区别如下:

排序应用例子： 根据test数据框的第二列倒序排序数据框

test[order(test[,2],decreasing = T),] -> test

TM包常用函数

语料库搭建 - 根据向量：

Corpus(VectorSource(data)) -> corpus_1

语料库搭建 - 根据文件目录

txt <- system.file("d:/texts", "txt", package = "tm")  # 将d:\texts目录加入到txt变量
corpus_1 <- Corpus(DirSource(txt))  #根据目录建立语料库

基础处理：

dtm <- DocumentTermMatrix(x)
tdm <- TermDocumentMatrix(x)

语料库词频统计：

findFreqTerms(x,1,50) #统计语料库x中词频高于1小于50的单词并打印，需先转成dtm或tdm矩阵
findMostFreqTerms(x,n = 2) #打印X语料库中每条语料词频最高的2个词，需先转成dtm或tdm矩阵

语料库关联挖掘

findAssocs(x,"keyword",0.1) #打印语料库x中与关键“keyword”相关性最高的内容，相关性最低要求在0.1以上。