是否有 R 函数来拆分句子答案

【问题标题】：Is there an R function to split the sentence是否有 R 函数来拆分句子
【发布时间】：2019-10-05 20:55:29
【问题描述】：

我有几个像下面这样的非结构化句子。下面的描述是列名

Description

Automatic lever for a machine
Vaccum chamber with additional spare
Glove box for R&D
The Mini Guage 5 sets
Vacuum chamber only
Automatic lever only

我想将这句话从 Col1 拆分为 Col5 并计算如下出现的次数

Col1             Col2            Col3               Col4               
Automatic_lever lever_for        for_a               a_machine  
Vaccum_chamber  chamber_with     with_additional    additional_spare     
Glove_box       box_for          for_R&D            R&D 
The_Mini        Mini_Guage       Guage_5             5_sets 
Vacuum_chamber  chamber_only     only       
Automatic_lever lever_only       only

也从上面的列中，我可以有这些词的出现。就像，Vaccum_chamber 和 Automatic_lever 在这里重复了两次。同理，其他词的出现？

【问题讨论】：

标签： r

【解决方案1】：

这是一个tidyverse 选项

df %>%
    rowid_to_column("row") %>%
    mutate(words = map(str_split(Description, " "), function(x) {
        if (length(x) %% 2 == 0) words <- c(words, "")
        idx <- 1:(length(words) - 1)
        map_chr(idx, function(i) paste0(x[i:(i + 1)], collapse = "_"))
    })) %>%
    unnest() %>%
    group_by(row) %>%
    mutate(
        words = str_replace(words, "_NA", ""),
        col = paste0("Col", 1:n())) %>%
    filter(words != "NA") %>%
    spread(col, words, fill = "")
## A tibble: 6 x 6
## Groups:   row [6]
#    row Description                Col1        Col2       Col3       Col4
#  <int> <fct>                      <chr>       <chr>      <chr>      <chr>
#1     1 Automatic lever for a mac… Automatic_… lever_for  for_a      a_machine
#2     2 Vaccum chamber with addit… Vaccum_cha… chamber_w… with_addi… additional…
#3     3 Glove box for R&D          Glove_box   box_for    for_R&D    R&D
#4     4 The Mini Guage 5 sets      The_Mini    Mini_Guage Guage_5    5_sets
#5     5 Vacuum chamber only        Vacuum_cha… chamber_o… only       ""
#6     6 Automatic lever only       Automatic_… lever_only only       ""

解释：我们将Description 中的句子拆分为单个空格" "，然后使用滑动窗口方法将每两个单词连接在一起，确保每个sentence 始终有奇数个单词；剩下的只是一个长期到广泛的转变。

不漂亮，但它重现了您的预期输出；而不是手动滑动窗口的方法，你也可以zoo::rollapply。

样本数据

df <- read.table(text =
    "Description
'Automatic lever for a machine'
'Vaccum chamber with additional spare'
'Glove box for R&D'
'The Mini Guage 5 sets'
'Vacuum chamber only'
'Automatic lever only'", header = T)

【讨论】：

谢谢。但是incode col = paste0("Col1", 1:n()))，列名就像COl1，COL11，COL12，............COL2......我的意思是说它是未排序，我们能否更改此代码，使列按 COL1、COL2、COL3 等排序
@Dev 尝试用sprintf("Col%02i", 1:n()) 替换paste0("Col", 1:n())；这假设您最多有 99 列。如果您有 >99 列，请更改为 "Col%03i" 等等。
附言。最后的忠告。如果我是你，我会以长格式（=整齐）而不是宽格式保存我的数据；整齐（长）的数据通常更容易在下游分析中处理。它当然更符合tidyverse 的数据处理范式。
@毛里求斯。非常感谢，你能解释一下这里的逻辑是什么。我没有得到？
@Dev sprintf 使用 C 库函数 sprintf 来格式化输出。在这种情况下，关键部分是 sprinf("%02i", x)，这意味着将 x 格式化为整数 ("i")，带有两位数 ("2") 和前导零 ("0")。 % 是表示sprintf 标志开始的字符。