在 R 中使用 tm 包清理数据框中的列

Question

我希望使用 tm 包来更改数据帧的列，即我想使用 content_transformer、removePunctuation 等函数应用于数据帧的列。

例如使用下面的数据框

df <- data.frame(a=c("I love TEXTMINING","Here I GO, Again!!"))

我希望我们使用 content_transformer 将 df$a 变为小写，并使用 removePunctuation 删除标点符号，使输出如下所示

                  a
1 i love textmining
2   here i go again

有没有办法专门使用 tm 包中的函数来执行上述操作？

Answer 1

这里以使用 tm 包为例：

df <- data.frame(a=c("I love TEXTMINING","Here I GO, Again!!"))

library(tm)
corpus<-Corpus(VectorSource(df$a))
corpus<-tm_map(corpus, removeNumbers)
corpus<-tm_map(corpus, content_transformer(tolower))
#corpus<-tm_map(corpus, removeWords, stopwords('english'))
corpus<-tm_map(corpus, removePunctuation)

answer<-unlist(as.list(corpus))
answer