用tidytext删除停用词

Question

使用tidytext,我有这个代码:

data(stop_words)
tidy_documents <- tidy_documents %>%
      anti_join(stop_words)

我希望它使用包中内置的停用词将名为tidy_documents的数据帧写入同名的数据帧中,但如果它们在stop_words中,则删除单词.

我收到此错误:

错误:没有常见变量.请指定by参数.追溯:

1. tidy_documents %>% anti_join(stop_words)
2. withVisible(eval(quote(`_fseq`(`_lhs`)), env, env))
3. eval(quote(`_fseq`(`_lhs`)), env, env)
4. eval(expr, envir, enclos)
5. `_fseq`(`_lhs`)
6. freduce(value, `_function_list`)
7. withVisible(function_list[[k]](value))
8. function_list[[k]](value)
9. anti_join(., stop_words)
10. anti_join.tbl_df(., stop_words)
11. common_by(by, x, y)
12. stop("No common variables. Please specify `by` param.", call. = FALSE)

Answer 1

双方tidy_document并stop_words有一个名为列下列单词的列表word; 但是，列是倒置的：在中stop_words，它是第一列，而在您的数据集中，它是第二列。这就是该命令无法“匹配”两列并比较单词的原因。尝试这个：

tidy_document <- tidy_document %>% 
      anti_join(stop_words, by = c("word" = "word"))

该by命令强制脚本比较被调用的列word，而不管它们的位置。

Answer 2

您可以使用更简单的方法filter()来避免使用这样的混淆anti_join()函数:

tidy_documents <- tidy_documents %>%
  filter(!word %in% stop_words$word)