如何在R中找到字符向量中最常见的单词？

Question

我正在分析一些fmri数据--特别是，我正在研究哪些认知功能与fmri扫描中的坐标相关(在受试者执行任务时进行)。我的数据可以通过以下函数获得：

library(httr)
scrape_and_sort = function(neurosynth_link){
  result = content(GET(neurosynth_link), "parsed")$data
  names  = c("Name", "z_score", "post_prob", "func_con", "meta_analytic")
  df = do.call(rbind, lapply(result, function(x) setNames(as.data.frame(x), names)))
  df$z_score = as.numeric(df$z_score)
  df = df[order(-df$z_score), ]
  df = df[-which(df$z_score<3),]
  df = na.omit(df)
  return(df)
}
 RO4 = scrape_and_sort('https://neurosynth.org/api/locations/-58_-22_6_6/compare')

现在，我想知道哪些关键词出现得最频繁，最理想的情况是列出最常见的单词。我尝试了以下几点：

sort(table(RO4$Name),decreasing=TRUE)

但这显然不是work.The问题，因为名称(例如：“听觉皮层”)是包含多个单词的字符串，因此这样的‘听觉’和‘听觉皮层’作为两个单独的条目出现，而我希望它们被计算为‘听觉’的两个实例。

但我不知道如何在每个字符串中搜索并记录这样的单个单词。有什么想法吗？

Answer 1

使用包{jsonlite}、{dplyr}和管道操作符%>%可读性：

作为数据df的

1. 存储响应

url <- 'https://neurosynth.org/api/locations/-58_-22_6_6/compare/'
df <- jsonlite::fromJSON(url) %>% as.data.frame

1. 重塑和聚合

df %>%
    ## keep first column only and name it 'keywords':
    select('keywords' = 1) %>%
    ## multiple cell values (as separated by a blank)
    ## into separate rows:
    separate_rows(keywords, sep = " ") %>%
    group_by(keywords) %>%
    summarise(count = n()) %>%
    arrange(desc(count))

结果：

+ # A tibble: 965 x 2
   keywords count
   <chr>    <int>
 1 cortex      53
 2 gyrus       26
 3 temporal    26
 4 parietal    23
 5 task        22
 6 anterior    19
 7 frontal     18
 8 visual      17
 9 memory      16
10 motor       16
# ... with 955 more rows

编辑:或者，如果您想继续从您的数据

RO4 %>%
    select(Name) %>%
    ## select(everything())
    ## select(Name:func_con)
    separate_rows(Name, sep=' ') %>%
    ## do remaining stuff

当然，您可以以多种方便的方式select更多的列(请参阅上面的注释行和?dplyr::select)。请注意，其他变量的值将重复多次，以容纳列"Name“中的任何多值，从而引入一些冗余。

如果您想采用{dplyr}样式，按降z分数排列，并排除不需要的z分数，则如下所示：

RO4 %>%
    filter(z_score < 3 & !is.na(z_score)) %>%
    arrange(desc(z_score))

Answer 2

不一定能理解。你就不能这样做吗？

x <- c("auditory cortex", "auditory", "auditory", "hello friend")
unlist(strsplit(x, " "))
# "auditory" "cortex"   "auditory" "auditory" "hello"    "friend"