我有以下数据集：
a b
1 a
1 a
1 a
1 none
2 none
2 none
2 b
3 a
3 c
3 c
3 d
4 a
我想获取任何 a 的 b 中最频繁的值以及任何 a 的 b 的第二频繁值。如果 b 中的两个值具有相同的频率，我对这两个值中的任何一个被视为“第一”或“第二”不关心。
在这种情况下，预期输出将是：
d2:
a first second
1 a none
2 none b
3 c a(or d, doesn't matter)
4 a NA
正如您所看到的，a=4 在 b 中只有一个值，因此我预计输出列“第二”中为 NA，因为没有第二个最常见的值。
数据：
a <- c(1,1,1,1,2,2,2,3,3,3,3,4)
b<- c("a","a", "a", "none", "none", "none", "b", "a", "c" , "c", "d","a")
d …我有一个包含 2 个文本字段的数据框：评论和主帖子
基本上这是结构
id comment post_text
1 "I think that blabla.." "Why is blabla.."
2 "Well, you should blabla.." "okay, blabla.."
3 ...
我想计算第一行注释中的文本与第一行 post_text 中的文本之间的相似度，并对所有行执行此操作。据我所知，我必须为两种类型的文本创建单独的 dfm 对象
corp1 <- corpus(r , text_field= "comment")
corp2 <- corpus(r , text_field= "post_text")
dfm1 <- dfm(corp1)
dfm2 <- dfm(corp2)
最后，我想获得这样的东西：
id comment post_text similarity
1 "I think that blabla.." "Why is blabla.." *similarity between comment1 and post_text1
2 "Well, you should blabla.." "okay, blabla.." *similarity between comment2 and post_text2
3 ...
我不知道如何继续，我在 …
我有以下数据。
date var1 level score_1 score_2
2020-02-19 12:10:52.166661 dog n1 1 3
2020-02-19 12:17:25.087898 dog n1 3 6
2020-02-19 12:34:27.624939 dog n2 4 3
2020-02-19 12:35:50.522116 cat n1 2 0
2020-02-19 12:38:49.547181 cat n2 3 4
对于 var1 和 level 的任何组合都应该只有一个观察结果。我想消除重复项并仅保留最近的记录。在前面的示例中，应消除第一行，因为第 2 行中的dog-n1 较新。尽管如此，即使 var1 也等于“dog”，我还是想保留第 3 行，因为级别不同。
所以，我想获得什么：
date var1 level score_1 score_2
2020-02-19 12:17:25.087898 dog n1 3 6
2020-02-19 12:34:27.624939 dog n2 4 3
2020-02-19 12:35:50.522116 cat n1 2 0
2020-02-19 12:38:49.547181 cat n2 3 4