这很可能是一个愚蠢的问题,但我已经搜索和谷歌,并没有找到解决办法。我想是因为我不知道该怎么回答我的问题。
我有一个数据框架,我已经转换成整洁的文本格式的R,以消除停止词。我现在想把这个数据框架‘弄乱’回到原来的格式。
unnest_tokens的相反/逆命令是什么?
编辑:下面是我正在处理的数据。我试图复制西尔奇和罗宾逊的整齐的文本书的分析,但使用意大利歌剧歌词。
character = c("FIGARO", "SUSANNA", "CONTE", "CHERUBINO")
line = c("Cinque... dieci.... venti... trenta... trentasei...quarantatre", "Ora sì ch'io son contenta; sembra fatto inver per me. Guarda un po', mio caro Figaro, guarda adesso il mio cappello.", "Susanna, mi sembri agitata e confusa.", "Il Conte ieri perché trovommi sol con Barbarina, il congedo mi diede; e se la Contessina, la mia bella comare, grazia non m'intercede, io vado via, io non ti vedo più, Susanna mia!")
sample_df = data.frame(character, line)
sample_df
character line
FIGARO Cinque... dieci.... venti... trenta... trentasei...quarantatre
SUSANNA Ora sì ch'io son contenta; sembra fatto inver per me. Guarda un po', mio caro Figaro, guarda adesso il mio cappello.
CONTE Susanna, mi sembri agitata e confusa.
CHERUBINO Il Conte ieri perché trovommi sol con Barbarina, il congedo mi diede; e se la Contessina, la mia bella comare, grazia non m'intercede, io vado via, io non ti vedo più, Susanna mia!我把它变成整洁的文字,这样我就可以去掉停止词:
tribble <- sample_df %>%
unnest_tokens(word, line)
# Get rid of stop words
# I had to make my own list of stop words for 18th century Italian opera
itstopwords <- data_frame(text=mystopwords)
names(itstopwords)[names(itstopwords)=="text"] <- "word"
tribble2 <- tribble %>%
anti_join(itstopwords)现在我有了这样的东西:
text word
FIGARO cinque
FIGARO dieci
FIGARO venti
FIGARO trenta
...我想让它回到字符名称的格式和相关的行,看看其他的东西。基本上,我希望文本以相同的格式,它是以前,但与停止字删除。
发布于 2018-06-20 23:23:11
library(tidyverse)
tidy_austen %>%
group_by(book,linenumber) %>%
summarise(text = str_c(word, collapse = " "))https://stackoverflow.com/questions/46734501
复制相似问题