小编Nat*_*lie的帖子

具有这样的数据框：

dframe <- data.frame(id = c(1,2,3), Google = c(2,1,1), Yahoo = c(0,1,1), Amazon = c(1,1,0))

如何测试每列是否包含二进制（0和1）表示形式（每行的最大数量不大于1）

例

colname, binary_status
Google, False
Yahoo, True
Amazon, True

有这样的数据框：

data.frame(text = c("separate1: and: more","another 20: 42")

如何在每一行中使用第一个 : 进行分隔？预期输出示例

data.frame(text1 = c("separate1","another 20"), text2 = c("and: more","42")

在这样的数据框中：

df <- data.frame(id = c(1,2,3), text = c("hi my name is E","hi what's your name","name here"))

我想保留一行中同时包含 hi 和 name 单词的行。消耗输出示例：

df <- data.frame(id = c(1,2,3), text = c("hi my name is E","hi what's your name"))

我试试这个，但它不能正常工作：

library(tidyverse)
df %>%
    filter(str_detect(text, 'name&hi'))

有一个带文本的数据框

df = data.frame(id=c(1,2), text = c("My best friend John works and Google", "However he would like to work at Amazon as he likes to use python and stay at Canada")

无需任何预处理

怎么可能像这样提取名称实体识别

示例结果词

dfresults = data.frame(id=c(1,2), ner_words = c("John, Google", "Amazon, python, Canada")

我想避免使用外部列表：

list <- c("Google", "Yahoo", "Amazon")

数据帧中在第一个时间戳（最旧的时间戳）中记录的值，如下所示：

dframe <- structure(list(id = c(1L, 1L, 1L, 1L, 2L, 2L, 2L), name = c("Google", 
    "Google", "Yahoo", "Amazon", "Amazon", "Google", "Amazon"), date = c("2008-11-01", 
    "2008-11-02", "2008-11-01", "2008-11-04", "2008-11-01", "2008-11-02", 
    "2008-11-03")), class = "data.frame", row.names = c(NA, -7L))

预期的输出是这样的：

id   name       date
1 Google 2008-11-01
1  Yahoo 2008-11-01
1 Amazon 2008-11-04
2 Amazon 2008-11-01
2 Google 2008-11-02

Run Code Online (Sandbox Code Playgroud)

如何做到这一点？

使用此功能，它仅保留每个id的第一条记录，而不保留第一次记录的列表中的每个单个值的第一条记录

library(data.table)
setDT(dframe)
date_list_first = dframe[order(date)][!duplicated(id)]

在字符串数据列中，如何检查每一行是否存在字母并将其删除。

例子

I am a text r r o n n r and here

并将其作为输出

I am a text and here

在 lda 分析中

library(topicmodels)
    # parameters for Gibbs sampling
    burnin <- 4000
    iter <- 2000
    thin <- 500
    seed <-list(1969,5,25,102855,2012)
    nstart <- 5
    best <- TRUE
    #Number of topics
    k <- 10
library(topicmodels)
data("AssociatedPress", package = "topicmodels")



    #Run LDA with Gibbs
    ldaOut <-LDA(AssociatedPress[1:20,], k, method="Gibbs", control=list(nstart=nstart, seed = seed, best = best, burnin =
    burnin, iter = iter, thin=thin)) 

如何创建网格搜索以找到参数的最佳值？