R:按标签组合不同长度的频率列表？

Question

我是 R 的新手，但真的很喜欢它并希望不断改进。现在，经过一段时间的搜索，我需要向您寻求帮助。

这是给定的情况:

1)我有句子(sentence.1和sentence.2 - 所有单词都已经小写)并创建它们单词的排序频率列表:

sentence.1 <- "bob buys this car, although his old car is still fine." # saves the sentence into sentence.1
sentence.2 <- "a car can cost you very much per month."

sentence.1.list <- strsplit(sentence.1, "\\W+", perl=T) #(I have these following commands thanks to Stefan Gries) we split the sentence at non-word characters
sentence.2.list <- strsplit(sentence.2, "\\W+", perl=T)

sentence.1.vector <- unlist(sentence.1.list) # then we create a vector of the list
sentence.2.vector <- unlist(sentence.2.list) # vectorizes the list

sentence.1.freq <- table(sentence.1.vector) # and finally create the frequency lists for 
sentence.2.freq <- table(sentence.2.vector)

这些是结果:

sentence.1.freq:
although      bob     buys      car     fine      his       is      old    still     this 
       1        1        1        2        1        1        1        1        1        1

sentence.2.freq:
a   can   car  cost month  much   per  very   you 
1     1     1     1     1     1     1     1     1 

现在，请问，我如何将这两个频率列表结合起来，我将拥有以下内容:

 a  although  bob  buys  can  car  cost fine his  is  month much old per still this very you
NA         1    1     1   NA    2    NA    1   1   1     NA   NA   1  NA     1    1   NA  NA
 1        NA   NA    NA    1    1     1   NA  NA  NA      1    1  NA   1    NA   NA    1   1

因此，这个“表格”应该是“灵活的”，以便在用这个词输入一个新句子的情况下，例如“and”，表格将在“a”和“although”之间添加带有标签“and”的列。

我想只是将新句子添加到新行中，并将所有尚未出现在列表中的非单词按列放置(此处，“和”将位于“您”的右侧)并再次对列表进行排序。但是，我还没有做到这一点，因为根据现有标签对新句子词频的排序已经不起作用(当再次出现“汽车”时，应将新句子的汽车词频写入新句所在行和“汽车”列，但当第一次出现例如“你”时，应将其出现频率写入新句所在行和新列中标为“你”)。

Answer 1

这并不完全是你所描述的，但是你的目标对我来说更有意义，按行而不是按列组织(无论如何，R 处理以这种方式组织的数据更容易一点)。

#Convert tables to data frames
a1 <- as.data.frame(sentence.1.freq)
a2 <- as.data.frame(sentence.2.freq)

#There are other options here, see note below
colnames(a1) <- colnames(a2) <- c('word','freq')
#Then merge
merge(a1,a2,by = "word",all = TRUE)
       word freq.x freq.y
1  although      1     NA
2       bob      1     NA
3      buys      1     NA
4       car      2      1
5      fine      1     NA
6       his      1     NA
7        is      1     NA
8       old      1     NA
9     still      1     NA
10     this      1     NA
11        a     NA      1
12      can     NA      1
13     cost     NA      1
14    month     NA      1
15     much     NA      1
16      per     NA      1
17     very     NA      1
18      you     NA      1

然后您可以继续使用 merge添加更多句子。为简单起见，我转换了列名，但还有其他选项。使用 by.x和 by.y参数而不仅仅是 by在 merge如果每个数据框中的名称不同，则可以指示合并的特定列。另外， suffix参数在 merge将控制如何为计数列赋予唯一名称。默认是附加 .x和 .y但你可以改变它。