如何遍历数据框中的行以检测不同的单词并将其保存在新列中？答案

【问题标题】：How do I iterate over rows in a dataframe to detect different words and save it in a new column?如何遍历数据框中的行以检测不同的单词并将其保存在新列中？
【发布时间】：2017-12-13 12:56:26
【问题描述】：

我一直在尝试编写一个函数或使用 apply 系列来选择数据框中包含我要查找的单词的行并将它们标记为标签。一行可以有多个标签。有人可以帮助我吗，我已经卡了一段时间了。

如果我的问题不清楚，或者在其他地方有答案，请引导我朝着正确的方向前进。非常感激！

require(stringr)
require(dplyr)
df <- data.frame(sentences, rnorm(length(sentences)))

old = df %>% filter(str_detect(sentences, 'old')) %>% mutate(w = factor("old"))
new = df %>% filter(str_detect(sentences, 'new')) %>% mutate(w = factor("new"))
boy = df %>% filter(str_detect(sentences, 'boy')) %>% mutate(w = factor("boy"))
girl = df %>% filter(str_detect(sentences, 'girl')) %>% mutate(w = factor("girl"))
tags <- bind_rows(old, new, boy, girl)

所以我想选择有限数量的单词，例如：

tags <- c('bananas', 'apples', oranges)

我希望结果是一个 data.frame，其中包含我选择的每个单词的新列。如果该行包含我选择的单词之一，则该单词的列应以某种方式标记为 TRUE och。类似的东西

Sentences     bananas     apples     oranges  
sentence1     TRUE        
sentence2                 TRUE
sentence3     TRUE
sentence4                            TRUE
sentence5                 TRUE       TRUE

或

Sentences     tag1        tag2
sentence1     bananas        
sentence2     apples
sentence3     bananas
sentence4     oranges
entences5     apples      oranges

或者类似的东西。如果我能解释得更清楚，请告诉我。

【问题讨论】：

您正在寻找的最终解决方案是什么？从概念上讲，它可以做什么？
您尝试标记的单词数量是否有限？
我试图解释更多，单词的数量是有限的，我希望每一行都被标记，如果它包含任何单词。我不知道什么可能是好的，要么是每个单词的列，要么标签 #1 #2 #3 最多（标签的 nr 个）。
你能提供sentences吗？

标签： r tags stringr

【解决方案1】：

你真的想使用 apply 函数吗？我很确定 tm 包就是你要找的。这是最简单、更可靠的方法。使用DocumentTermMatrix 函数，您可以获得您想要的。我自己阐述了一些句子（句法水平很高）。最简单的方法是继续处理所有单词，然后在您拥有矩阵后选择您想要查找的单词的那些列。

sentence1 <- "This is a bananana"
sentence2 <- "This is an apple"
sentence3 <- "This is a watermelon and a banana"
sentence4 <- "This is a watermelon a banana an apple"

df_sentence <- rbind(sentence1, sentence2, sentence3, sentence4)

library(tm)
vs_sentence <- VectorSource(df_sentence)
vc_sentence <- VCorpus(vs_sentence)

clean_sentence <- tm_map(vc_sentence, removePunctuation)
dtm_sentence <- DocumentTermMatrix(clean_sentence)
as.matrix(dtm_sentence)

结果：

        Terms
Docs and apple banana this watermelon
   1   0     0      1    1          0
   2   0     1      0    1          0
   3   1     0      1    1          1
   4   0     1      1    1          1

另外还有一个功能可以让你按列获取文档，按行获取词条：

as.matrix(TermDocumentMatrix(clean_sentence))
            Docs
Terms        1 2 3 4
  and        0 0 1 0
  apple      0 1 0 1
  banana     1 0 1 1
  this       1 1 1 1
  watermelon 0 0 1 1

如果您可以提供部分句子，也许会更容易为您提供更好的解决方案。 HTH！

【讨论】：