我正在网上书http://tidytextmining.com/上学习文本挖掘.在第五章:http: //tidytextmining.com/dtm.html#financial
以下代码:
library(tm.plugin.webmining)
library(purrr)
company <- c("Microsoft", "Apple", "Google", "Amazon", "Facebook",
"Twitter", "IBM", "Yahoo", "Netflix")
symbol <- c("MSFT", "AAPL", "GOOG", "AMZN", "FB", "TWTR", "IBM", "YHOO", "NFLX")
download_articles <- function(symbol) {
WebCorpus(GoogleFinanceSource(paste0("NASDAQ:", symbol)))
}
stock_articles <- data_frame(company = company,
symbol = symbol) %>%
mutate(corpus = map(symbol, download_articles))
给我错误:
StartTag: invalid element name
Extra content at the end of the document
Error: 1: StartTag: invalid element name
2: Extra content at the end of the document
任何提示？有人建议删除与"Twitter"相关的公司和符号,但它仍然不起作用并返回相同的错误.提前谢谢了
我有一个防火墙日志文件,包括日期,小时,src_address,dest_address和all_attemps,max_byte,avg_byte和活动率.我想删除不包含的行.(点)src_address columnin r这是我的文件;
src_address dest_address all_attemps max_byte avg_byte activity_rate
2 1.11.201.19 172.16.16.100 1 60 60 0.005434783
3 1.119.43.90 172.16.16.100 1 60 60 0.005434783
4 1.119.43.90 172.16.16.153 1 60 60 0.005434783
5 1.119.43.90 192.168.1.112 1 60 60 0.005434783
6 1.171.43.133 172.16.16.5 2 52 48 0.010869565
7 1.179.191.82 172.16.16.5 1 60 60 0.005434783
8 1.179.191.82 192.168.1.111 2 60 60 0.010869565
9 1.179.191.82 192.168.1.112 2 60 60 0.010869565
10 1.180.72.186 172.16.16.153 2 60 60 0.010869565
11 1.202.165.40 172.16.16.153 1 60 60 0.005434783
12 …我想使用 adist 计算每行中两列值之间的编辑距离。
我或多或少是这样使用它的：
A <- c("mad","car")
B <- c("mug","cat")
my_df <- data.frame(A,B)
my_df$dist <- adist(my_df$A, my_df$B, ignore.case = TRUE)
my_df <- my_df[order(dist),]
最后两行与我的情况相同，但实际数据框看起来有点不同 - 我的原始数据框的列是字符类型，而不是因子。此外， dist 列似乎作为 2 列矩阵返回，我不知道为什么会发生这种情况。
更新：我读了一点，发现我需要将它应用于行，所以我的新代码如下：
apply(my_df, 1, function(d) adist(d[1], d[2]))
它工作正常，但对于我通过列号调用它的原始数据集是不切实际的，我如何在这个函数中引用列名？