R - 修复使用 anti_join 删除停用词时的排序（创建 ngram）

Question

对 R 和编码非常陌生，并试图对一长串句子及其给定权重进行频率分析。我已经取消嵌套并改变了数据，但是当我尝试删除停用词时，每个句子中单词的排序顺序会随机化。我需要稍后创建二元组，如果它们基于原始短语，我会更喜欢。

相关代码如下，不足可补充：

library(dplyr)
library(tidytext)

data = data%>%
  anti_join(stop_words)%>%
  filter(!is.na(word))

如何在每个句子中保留原始排序顺序？我将句子中的所有单词都编入索引，以便将它们与给定的权重相匹配。有没有更好的方法来删除不会弄乱排序顺序的停用词？

在这里看到了一个类似的问题，但没有解决：How to stop anti_join from reversing sort order in R?

也试过了，但没用：dplyr How to sort groups within sorted groups?

在写这篇文章时得到了一位同事的帮助，但不幸的是，他们不再可用，因此任何见解都会有所帮助。谢谢！

Answer 1

您可以在排序前为数据添加排序索引

library(dplyr)
library(tidytext)

data = data %>%
  dplyr::mutate(idx = 1:n()) %>%
  dplyr::anti_join(stop_words) %>%
  dplyr::filter(!is.na(word)) %>%
  dplyr::arrange(idx)

（dplyr:: 不是必需的，但可以帮助您记住函数的来源）