计数词组合频率答案

【问题标题】：counting word combination frequency计数词组合频率
【发布时间】：2014-12-20 00:56:02
【问题描述】：

我有句子向量，比如说：

x = c("I like donut", "I like pizza", "I like donut and pizza")

我想计算两个单词的组合。理想的输出是一个包含 3 列（word1、word2 和频率）的数据框，应该是这样的：

 I      like    3
 I      donut   2
 I      pizza   2
 like   donut   2
 like   pizza   2
 donut  pizza   1
 donut  and     1
 pizza  and     1

在输出的第一条记录中，freq = 3 因为"I" 和"like" 一起出现了3 次：x[1]、x[2] 和x[3]。

感谢任何建议:)

【问题讨论】：

您在发布此问题之前是否使用了谷歌或搜索栏？试试this 或this 或any of these。
I I 和like like 等呢？大概你只想要那些不同词的组合？ gtools::permutations 在这里可能对你有用
@OliverKeyes ：是的，当然。
@RichardScriven。是的，我只想要不同单词的组合。谢谢你的建议，我会试试gtools :)

标签： r

【解决方案1】：

split 成单词，sort 正确识别对，得到所有与combn 的对，paste 对得到空格分隔的单词对，使用table 得到频率，然后把它一起来。

这是一个例子：

f <- function(x) {
  pr <- unlist(
    lapply(
      strsplit(x, ' '), 
      function(i) combn(sort(i), 2, paste, collapse=' ')
    )
  )

  tbl <- table(pr)

  d <- do.call(rbind.data.frame, strsplit(names(tbl), ' '))
  names(d) <- c('word1', 'word2')
  d$Freq <- tbl

  d
}

使用您的示例数据：

> f(x)
   word1 word2 Freq
1    and donut    1
2    and     I    1
3    and  like    1
4    and pizza    1
5  donut     I    2
6  donut  like    2
7  donut pizza    1
8      I  like    3
9      I pizza    2
10  like pizza    2

【讨论】：

太棒了。使用combn，我还可以计算三个或更多单词组合的出现次数。谢谢你:)

【解决方案2】：

library(tidyr)
Counts <- DF %>% 
  count(column1, column2, sort = TRUE)

【讨论】：