在 R 中拆分字符串并生成频率表答案

【问题标题】：Splitting Strings and Generating Frequency Tables in R在 R 中拆分字符串并生成频率表
【发布时间】：2012-01-30 08:40:14
【问题描述】：

我在 R 数据框中有一列公司名称，如下所示：

"ABC Industries"  
"ABC Enterprises"  
"123 and 456 Corporation"  
"XYZ Company"

等等。我正在尝试生成此列中出现的每个单词的频率表，例如，如下所示：

Industries   10  
Corporation  31  
Enterprise   40  
ABC          30  
XYZ          40

我对 R 比较陌生，所以我想知道一个解决这个问题的好方法。我应该拆分字符串并将每个不同的单词放入一个新列吗？有没有办法用一个单词将多单词行分成多行？

【问题讨论】：

标签： r string split frequency

【解决方案1】：

您可以使用包tidytext 和dplyr：

set.seed(42)

text <- c("ABC Industries", "ABC Enterprises", 
       "123 and 456 Corporation", "XYZ Company")

data <- data.frame(category = sample(text, 100, replace = TRUE),
                   stringsAsFactors = FALSE)

library(tidytext)
library(dplyr)

data %>%
  unnest_tokens(word, category) %>%
  group_by(word) %>%
  count()

#> # A tibble: 9 x 2
#> # Groups:   word [9]
#>          word     n
#>         <chr> <int>
#> 1         123    29
#> 2         456    29
#> 3         abc    45
#> 4         and    29
#> 5     company    26
#> 6 corporation    29
#> 7 enterprises    21
#> 8  industries    24
#> 9         xyz    26

【讨论】：

【解决方案2】：

这是另一个单线。它使用paste() 将所有列条目组合成一个长文本字符串，然后将其拆分并制成表格：

text <- c("ABC Industries", "ABC Enterprises", 
         "123 and 456 Corporation", "XYZ Company")

table(strsplit(paste(text, collapse=" "), " "))

【讨论】：

+1 太好了，我只会添加 split="\\s{1,}" 以使其更健壮
@WojciechSobala 是的——我有同样的想法，它可能更好/更接近 OP 想要的。 split = "\\s+" 或 split = "[[:space:]]+" 是另外两个完全相同的选项。

【解决方案3】：

如果你愿意，你可以用一条线来做：

R> text <- c("ABC Industries", "ABC Enterprises", 
+            "123 and 456 Corporation", "XYZ Company")
R> table(do.call(c, lapply(text, function(x) unlist(strsplit(x, " ")))))

        123         456         ABC         and     Company 
          1           1           2           1           1 
Corporation Enterprises  Industries         XYZ 
          1           1           1           1 
R>

这里我使用strsplit()来打破每个入口介绍组件；这将返回一个列表（在列表中）。我使用do.call()，所以只需将所有结果列表连接到一个向量中，table() 进行汇总。

【讨论】：

非常感谢。我一直在摆弄原始代码，我发现我得到了相同的结果： table(unlist(strsplit(text, " "))) lapply() 和 do.call() 的用途是什么？