总结 dplyr 管道中的字数答案

【问题标题】：Summarize word count in dplyr pipe总结 dplyr 管道中的字数
【发布时间】：2018-04-27 08:41:42
【问题描述】：

我想生成 dplyr 管道中字数频率的频率计数摘要。它必须在 dplyr 管道中，因为我实际上是从 bigrquery 查询的，它充当 dplyr 管道。

假设我有这样的数据：

tf1 <- tbl_df(data.frame(row= c(1:5), body=c("tt t ttt j ss oe", "kpw eero", "pow eir sap r", "s", "oe")))

我想要一个字数的摘要（类似这样）：

   n_words freq
1   0    0
2   1    2
3   2    1
4   3    0
5   4    1
6   5    0
7   6    1

但我需要在 dplyr 管道中执行此操作（如下所示不起作用）

###NOT WORK
tf1 %>%
wordcount(body,sep=" ", count.function=sum)

【问题讨论】：

标签： r string dplyr

【解决方案1】：

这是另一个想法，它也使用complete 来获取所有值，

library(tidyverse)

tf1 %>% 
   mutate(n_words = stringr::str_count(body, ' ') + 1) %>% 
   count(n_words) %>% 
   complete(n_words = 0:max(n_words))

给出，

# A tibble: 7 x 2
  n_words     n
    <dbl> <int>
1      0.    NA
2      1.     2
3      2.     1
4      3.    NA
5      4.     1
6      5.    NA
7      6.     1

【讨论】：

替代字数统计方法：stringi::stri_count_words(body)

【解决方案2】：

library(dplyr)
library(stringr)
tf1 %>% mutate(wordcount = str_split(body, " ") %>% lengths()) %>% count(wordcount)
## # A tibble: 4 x 2
##   wordcount     n
##       <int> <int>
## 1         1     2
## 2         2     1
## 3         4     1
## 4         6     1

str_split(tf1$body, " ") 返回

[[1]]
[1] "tt"  "t"   "ttt" "j"   "ss"  "oe" 

[[2]]
[1] "kpw"  "eero"

[[3]]
[1] "pow" "eir" "sap" "r"  

[[4]]
[1] "s"

[[5]]
[1] "oe"

lengths计算每个列表元素的长度，因此

str_split(tf1$body, " ") %>% lengths()
## [1] 6 2 4 1 1

这通过使用mutate添加为列wordcount

count 返回在列wordcount 中找到值的次数并将其存储为列n

【讨论】：