如何将数据帧转换为可由Iramuteq和Alceste读取的txt

Question

Iramuteq和Alceste是文本挖掘程序(在法国仍然非常流行)，它们处理格式奇怪的txt文件:语料库中的每个文档都必须以*开头，然后每个语料库变量都必须编码为*variablename_value (遵守一些格式规则)，并且要分析的文本必须在新行上。例如：

**** year_2021 country_france
Bonjour, je m appelle Dario
**** year_2021 country_germany
Guten Tag, ich heisse Dario

如何将文本和语料库变量作为列的数据帧转换为这种格式？

Answer 1

以下函数可用于将任何数据帧转换为这样的txt文件：

dataframe2iramuteq <- function(data, filename) {
  data %>% 
    rename_with(~str_replace_all(str_to_lower(.), "[\\W_]+", "")) %>% # clean column names
    drop_na() %>%
    mutate(across(1:ncol(.)-1, ~str_replace_all(., "[\\W_]+", "")), row = 1:n()) %>% # clean values
    gather(coln, value, -row) %>%
    group_by(row) %>%
    summarise(text = str_c("**** ", str_c("*", coln[-n()], "_", value[-n()], collapse = " "), "\n", last(value))) %>% 
    summarise(text = str_c(text, collapse = "\n")) %>% 
    pull(1) %>% 
    write_file(filename)
}

请注意，要分析的文本必须在数据帧的最后一列中，其他列都被视为语料库变量。

例如，如果我想分析以下数据帧：

starwars_names <- starwars %>% 
  select(2:11, 1)

我可以使用dataframe2iramuteq(starwars_names, "my_file.txt")