计算向量中的单词

Question

目前我已经注册了一门 R 课程，其中一个练习是构建一个 R 程序来计算字符串中的单词。我们不能使用函数table，但必须使用常规方法返回字符串中最流行单词的输出。 即狐狸跳过锥体并且... 所以程序必须返回“the”，因为它是最流行的短语。

到目前为止，我有以下内容：

string_read<- function(phrase) {

  phrase <- strsplit(phrase, " ")[[1]]
  for (i in 1:length(phrase)){
    phrase.freq <- ....
#if Word already exists then increase counter by 1

      }

我遇到了障碍，因为我不确定如何增加特定单词的计数器。谁能给我一个正确方向的指针？我的伪代码类似于：“对于循环的每个单词，将 wordIndex 增加 1。如果之前已经出现过单词，则增加 wordIndex 计数器。”

Answer 1

您从将字符串拆分为单词开始正确，然后我们使用sapply 循环每个单词并将向量中的相似单词相加。我使用tolower 假设此操作不区分大小写。

string_read<- function(phrase) {
   temp = tolower(unlist(strsplit(phase, " ")))
   which.max(sapply(temp, function(x) sum(x == temp)))
}

phrase <- "The fox jumped over the cone and the"

string_read(phrase)
#the 
#  1 

这会将输出作为单词及其索引位置返回，在这种情况下为 1。如果您只想要最大计数的单词，您可以将最后一行更改为

temp[which.max(sapply(temp, function(x) sum(x == temp)))]

Answer 2

我们可以通过str_extract 做到这一点

library(stringr)
string_read<- function(str1) {
  temp <- tolower(unlist(str_extract_all(str1, "\\w+")))
  which.max(sapply(temp, function(x) sum(x == temp)))
}

phrase <- "The fox jumped over the cone and the"
string_read(phrase)
#the 
#  1 
phrase2 <- "The fox jumped over the cone and the fox, fox, fox, fox, fox"
string_read(phrase)
#fox 
# 2