试图对twitter数据进行一些分析.下载推文并使用下面的推文文本创建语料库
# Creating a Corpus
wim_corpus = Corpus(VectorSource(wimbledon_text))
在尝试创建如下的TermDocumentMatrix时,我收到错误和警告.
tdm = TermDocumentMatrix(wim_corpus,
control = list(removePunctuation = TRUE,
stopwords = TRUE,
removeNumbers = TRUE, tolower = TRUE))
Error in simple_triplet_matrix(i = i, j = j, v = as.numeric(v), nrow = length(allTerms), : 'i, j, v' different lengths
In addition: Warning messages:
1: In parallel::mclapply(x, termFreq, control) :
all scheduled cores encountered errors in user code
2: In is.na(x) : is.na() applied to non-(list or vector) of type 'NULL'
3: In TermDocumentMatrix.VCorpus(corpus) …如果我有一个字符串:
moon <- "The cow jumped over the moon with a silver plate in its mouth"
有没有办法可以提取附近的单词"moon".邻居可以是"月亮"周围的2或3个单词.
所以,如果我的
"The cow jumped over the moon with a silver plate in its mouth"
我希望我的输出只是:
"jumped over the moon with a silver"
我知道str_locate如果我想通过字符提取我可以使用,但不知道如何使用"单词"来完成它.这可以在R中完成吗？
感谢和问候,Simak
昨天，我在正则表达式匹配方面获得了帮助，它可以独立运行。但是当放入此代码时，我收到了“伪造的转义错误”。代码和追溯如下。您能指出我做错了什么吗？
#!/usr/bin/env python
import re
sf = open("a.txt","r")
out = open("b.txt","w")
regex = re.compile(r'Merging\s+\d+[^=]*=\s*\'\w+@\w+\x\w+\'\\"')
for line in sf:
m = regex.findall(line)
for i in m:
print >> out,line,
追溯为：
追溯（最近一次通话）：
File "match.py", line 6, in <module> regex = re.compile(r'Merging\s+\d+[^=]*=\s*\'\w+@\w+\x\w+\'\\"') File "/usr/lib/python2.7/re.py", line 190, in compile return _compile(pattern, flags) File "/usr/lib/python2.7/re.py", line 242, in _compile raise error, v # invalid expression sre_constants.error: bogus escape: '\\x'
我有一个具有以下结构和值的数据框：
total_size <- 5000;
id line_number
1 1232
2 1456
3 1832
4 2002
我需要使用 next_row 中的值动态地将新列添加到数据框中。即：新列值应为：下一行-1 的(line_number)。最后一行的值应使用total_size 值填充。
我需要产生的最终输出是：
id line_number end_line_number
1 1232 1455
2 1456 1831
3 1832 2001
4 2002 5000
知道如何在 R 中动态生成它吗？
我有一个字符串,我试图从中提取关键字之前的术语.
str = "This is a <Keyword>(-)Controlled design"
关键字和受控制之间或" - "之间可以有空格.我需要在"受控"前提取.在Perl中,我使用下面的正则表达式:
/(\w+)[- ]controlled/i)
在处理反斜杠和设置后,我在R中尝试相同perl=TRUE.但它不起作用.如何使用此表达式来提取R？是否有可以使用的备用表达式/库？
谢谢,simak
我正在尝试使用 来检测字符串是否包含特定模式str_detect。我的图案是一系列“....” - 确切的点数未知。我正在尝试使用str_detect如下......
然而，在这种特殊情况下，str_detect返回 TRUE。想知道我在哪里做错了，是否str_detect是正确使用的函数？希望这里有人可以提供帮助吗？
library(stringr)
dot_pat="\\.........................";
str="The primary.objective is of the study."
str_detect(str,dot_pat)
这将返回 TRUE。我期待 FALSE，因为其中的点str不遵循模式。
预先感谢，西马克