从数据框中的单列获取文本数据答案

【问题标题】：obtaining textual data from a single column in dataframe从数据框中的单列获取文本数据
【发布时间】：2018-06-12 15:34:23
【问题描述】：

我只想将我的数据框的一个特定列（即第三列 C）读取为文本，并创建一个词云。让df=

A B C
1 2 sheep
2 2 sheep
3 4 goat
4 5 camel
5 2 camel
6 1 camel

我尝试从readLines(df$C) 读取Lines，但出现以下错误：

 Error in readLines(df$C) : 
  'con' is not a connection

【问题讨论】：

你不想要df$C吗？
如果您已经将其作为数据框，df$C 不会得到您想要的吗？
readLines 用于从文件中读取信息行。如果我理解正确，您已经有一个数据框，因此您无需在会话中读取任何内容

标签： r readline quanteda

【解决方案1】：

df <- read.table(textConnection("A B C
1 2 sheep
2 2 sheep
3 4 goat
4 5 camel
5 2 camel
6 1 camel"), header = TRUE, stringsAsFactors = FALSE)

library("quanteda")
## Package version: 1.3.0

corpus(df, text_field = "C") %>%
    dfm() %>%
    textplot_wordcloud(min_count = 1)

【讨论】：

只是出于好奇，有没有一种直接的方法可以删除分析文本中的标点符号和停用词？
是的，在。 dfm() 调用您可以将参数传递给 tokens() - 请参阅 ?tokens - dfm() 参数之一是 remove（用于删除停用词）。