比较数据帧中的单词并计算每个对的最大单词长度的矩阵答案

【问题标题】：Compare the words from a data frame and calculate a matrix with the length of the biggest word for each pair比较数据帧中的单词并计算每个对的最大单词长度的矩阵
【发布时间】：2019-11-14 02:01:50
【问题描述】：

我有一个包含许多唯一单词的数据框。我想在 R 中创建代码，其中每个单词将与所有单词进行比较，并创建一个矩阵，其中包含每对中最大单词的长度。

为了更全面，让我们考虑以下示例。

test <- c("hello", "hi", "play", "kid")

我想创建一个矩阵来比较测试中的每个单词并给出最大单词的长度。

对于前面的示例，我想采用以下矩阵：

       hello  hi play kid
 hello  5     5   5    5

  hi    5     2   4    3

 play   5     4   4    4

  kid   5     3   4    3

如何在 R 中做到这一点？

【问题讨论】：

标签： r dataframe matrix distance text-mining

【解决方案1】：

你也可以使用sapply:

mat <- sapply(test, function(x) pmax(nchar(x), nchar(test)))
rownames(mat) <- colnames(mat)
mat
      hello hi play kid
hello     5  5    5   5
hi        5  2    4   3
play      5  4    4   4
kid       5  3    4   3

【讨论】：

@zero，我要补充一点，sapply 解决方案无法很好地扩展，因为test 变得更长。但是，您可以轻松地将行名和列名添加到其他答案中。例如，对于outer 解决方案，您可以通过执行以下操作来设置列名和行名：colnames(mat) <- rownames(mat) <- test。假设您想要一个可以很好扩展的答案-我会接受outer 答案:)

【解决方案2】：

expand.grid 的另一个选项可以是，

matrix(do.call(pmax, expand.grid(nchar(test), nchar(test))), nrow = length(test))

#     [,1] [,2] [,3] [,4]
#[1,]    5    5    5    5
#[2,]    5    2    4    3
#[3,]    5    4    4    4
#[4,]    5    3    4    3

【讨论】：

【解决方案3】：

你可以这样做：

outer(test, test, function(x,y) pmax(nchar(x), nchar(y)))

     [,1] [,2] [,3] [,4]
[1,]    5    5    5    5
[2,]    5    2    4    3
[3,]    5    4    4    4
[4,]    5    3    4    3

或者更短，正如@Ronak Shah 所建议的那样

outer(nchar(test), nchar(test), pmax)

【讨论】：