使用 R 和 cSplit() 将文本拆分为单词答案

【问题标题】：Splitting text to words with R and cSplit()使用 R 和 cSplit() 将文本拆分为单词
【发布时间】：2015-09-17 06:49:14
【问题描述】：

我正在尝试将一系列句子拆分为单独的单词，即对文本进行标记。

我找到了一个 R 包 splitstackshape，它能够做我想做的事，几乎……它将输出截断为第一行和最后 5 行。

无论如何，这是我需要做的：

id text
1 Lorem ipsum dolor sit amet
2 consectetur adipiscing elit
3 Donec euismod enim quis 
4 nunc fringilla sodales
5 Etiam tempor ligula vitae 
6 pellentesque dictum
7 Quisque non justo scelerisque 
8 est facilisis congue quis vel
9 Phasellus ex lorem
10 eleifend at magna vel
11 egestas eleifend massa

输出：

id word
1 Lorem
1 ipsum
1 dolor
1 sit
1 amet
2 consectetur
2 adipiscing
...

也就是说，我需要单独的行中的单词，但要与它所属的句子的 ID 一起。

我正在尝试cSplit(data, "text", " ", "long")，但它被截断了..

更新。仅供参考，here 是如何做相反的

【问题讨论】：

'它截断'是什么意思？它完全可以完成您想要的工作，提醒它是一个 data.table 作为输出，如果需要，您可以将其转换为 data.frame。
这只是“data.table”的显示输出。

标签： r splitstackshape

【解决方案1】：

cSplit 函数返回一个data.table。

您所描述的是data.tables 的默认打印行为。要查看实际情况，请尝试以下操作：

library(data.table)
as.data.table(airquality)
print(as.data.table(airquality))

print(as.data.table(airquality), nrows = Inf)

因此，要显示完整的表格，您可以尝试：

library(splitstackshape)
print(cSplit(data, "text", " ", "long"), nrows = Inf)

【讨论】：

...现在，当我了解到输出是 data.table 时，我可以轻松地将其转换回 data.frame。