R中的向量列表-提取向量的一个元素答案

【问题标题】：list of vectors in R - extract an element of the vectorsR中的向量列表-提取向量的一个元素
【发布时间】：2019-11-22 11:12:25
【问题描述】：

我有一个包含一些文本的列表。所以列表的每个元素都是一个文本。文本是单词的向量。所以我有一个向量列表。我正在对此进行一些文本挖掘。现在，我正在尝试提取单词“no”之后的单词。我转换了我的向量，所以现在它们是两个词的向量。如： list(c("want friend", "friend funny", "funny nice", "nice glad", "glad become", "become no", "no more", "more guys"), c("no comfort", "comfort written", "written conduct","conduct prevent", "prevent manners", "matters no", "no one", "one want", "want be", "be fired"))

我的目标是有一个向量列表，如下所示： list(c("more"), c("comfort", "one")) 因此，我可以通过 liste[i] 看到文本 i 的结果。

所以我有一个公式来提取“no”之后的单词（在第一个向量中它将是“more”）。但是当我的文字中有几个“不”时，它就不起作用了。

这是我的代码：

liste_negation <- vector(length = length(data))
for (i in 1:length(data)){
  for (j in 1:length(data[[i]])){
    if (startsWith((data[[i]])[[j]], 'no') == TRUE){
      liste_neg[i] <- c(liste_neg[i], tail(strsplit((data[[i]])[[j]],split=" ")[[1]],1))
    } else{
      liste_neg[i] <- c(liste_neg[i])
    }
    liste_negation[[i]] <- c(liste_neg[[i]])
  }
}

当只有一个“否”时，它适用于向量：

data <- list(c("want friend", "friend funny", "funny nice", "nice glad", "glad become", "become no", "no more", "more guys"), c("no comfort", "comfort written", "written conduct","conduct prevent", "prevent manners", "matters no", "no one", "one want", "want be", "be fired"))
data

liste_neg <- c()
liste_negation <- vector(length = length(data))
if (startsWith((data[[1]])[[9]], 'no') == TRUE){
  liste_neg[1] <- c(liste_neg[1], tail(strsplit((data[[1]])[[9]],split=" ")[[1]],1))
}

liste_negation[[1]] <- c(liste_neg[[1]])

但是如果我尝试用一个循环来调整它以查看向量的每个元素，并且文本中有多个“否”，它就不起作用了。

代码：

liste_neg <- c()
liste_negation <- vector(length = length(data))
for (j in 1:length(data[[2]])){
  if (startsWith((data[[2]])[[j]], 'no') == TRUE){
    liste_neg[2] <- append(liste_neg[2], tail(strsplit((data[[2]])[[j]],split=" ")[[1]],1))
  }
}
liste_neg
liste_negation[[2]] <- c(liste_neg[[2]])
liste_negation

警告信息：

Warning message:
In liste_neg[2] <- append(liste_neg[2], tail(strsplit((data[[2]])[[j]],  :
  number of items to replace is not a multiple of replacement length
> liste_neg
[1] NA        "comfort"
> liste_negation[[2]] <- c(liste_neg[[2]])
> liste_negation
[1] "FALSE"   "comfort"

如你所见，我只有第二个字。

我尝试了很多东西，我尝试拆分代码并运行它并逐个处理它，但是在花了整个上午之后我还没有找到解决方案..

有人有什么想法可以帮助我吗？

提前谢谢你（对不起我的英语，我是法国人^^'）

【问题讨论】：

标签： r list vector text-mining

【解决方案1】：

lapply(data, function(x) substr(x[startsWith(x, "no")], 4, 1000))


[[1]]
[1] "more"

[[2]]
[1] "comfort" "one"

【讨论】：

【解决方案2】：

在base R中，我们可以使用sapply循环遍历列表，使用grep识别带有"no"的单词

output <- sapply(word_vec, function(x) sub(".*no", "", grep("\\bno\\b", x, value = TRUE)))

#[[1]]
#[1] ""      " more"

#[[2]]
#[1] " comfort" ""         " one"

如果你不需要空字符串，你可以删除它们来获取

sapply(output, function(x) trimws(x[x!= ""]))  
#[[1]]
#[1] "more"

#[[2]]
#[1] "comfort" "one"

【讨论】：

【解决方案3】：

您可以使用正则表达式和捕获组来获取与所需模式匹配的所有子字符串，然后只提取捕获的组，如下所示：

# regex for strings that start with "no " and have any text after that
r <- '^no (.*)'
lapply(data, function(x) gsub(r, '\\1', regmatches(x, regexpr(r, x))))

#output
[[1]]
[1] "more"

[[2]]
[1] "comfort" "one"

regexpr 返回一个匹配对象，regmatches 将从中提取匹配字符串，gsub 使用\\1 参数提取第一个捕获的组。

【讨论】：

【解决方案4】：

“no”后面的单词提取步骤：

首先，使用grep(i,pattern = "^no",value = T)获取以“no”开头的文本。
gsub(pattern = "no ",replacement = "")将“no”替换为“”。

然后你可以提取“no”后面的单词。

lapply() 可以拆分列表并将步骤应用于列表的元素。
%>%管道操作符可以使代码清晰，并将grep()的结果转换为gsub()。

library(magrittr)   
lapply(data,function(i)grep(i,pattern = "^no",value = T) %>% gsub(pattern = "no ",replacement = ""))
#[[1]]
#[1] "more"
#    
#[[2]]
#[1] "comfort" "one"

【讨论】：