小编Ren*_*ens的帖子

我喜欢在我的图表中添加以下标题：

注：美国、英国和荷兰的市场集中度平均值分别为 1920、1388 和 1244

其中“注：”需要斜体，“荷兰分别为1920、1388和1244”应换行。

使用该paste功能，我可以将一部分斜体化。但是使用\ninside paste，可以将所有内容混合在一起，正如您在此处看到的那样（这是经过编辑的图像，使用以下 Paul 的建议制作）：

我尝试了各种其他解决方案，但没有成功。这是我正在使用的代码：

library(ggplot2)

note = expression(paste(italic("Note: "), "Market concentration averages in the United States, United Kingdom, and the \nNetherlands are, respectively, 1920, 1388, and 1244"))

gg <- ggplot(mtcars, aes(wt, mpg)) + geom_point()+

# Title
labs(caption=note)

gg + theme(plot.caption=element_text(size=7.5, hjust=0, margin=margin(t=15)))

我在我的计数器中添加了词形还原,正如Sklearn页面上所解释的那样.

from nltk import word_tokenize          
from nltk.stem import WordNetLemmatizer 
class LemmaTokenizer(object):
    def __init__(self):
        self.wnl = WordNetLemmatizer()
    def __call__(self, articles):
        return [self.wnl.lemmatize(t) for t in word_tokenize(articles)]

tf_vectorizer = CountVectorizer(tokenizer=LemmaTokenizer,
                       strip_accents = 'unicode',
                       stop_words = 'english',
                       lowercase = True,
                       token_pattern = r'\b[a-zA-Z]{3,}\b', # keeps words of 3 or more characters
                       max_df = 0.5,
                       min_df = 10)

但是,在创建时DTM使用fit_transform,我得到的错误如下(其中我也没有什么意义).在将词形还原添加到我的矢量化器之前,dtm代码始终有效.我深入研究了手册,并尝试了一些代码,但找不到任何解决方案.

dtm_tf = tf_vectorizer.fit_transform(articles)

更新:

按照下面的@ MaxU的建议,代码运行没有错误,但数字和标点符号没有从我的输出中省略.我运行单独的测试,看看以后哪些功能有效,哪些LemmaTokenizer()无效.结果如下:

strip_accents = 'unicode', # works
stop_words = 'english', # works
lowercase …