r - R中的目标变量重新编码

Question

我正在尝试进行一些文本处理，并且需要重新编码句子中的单词，以便在新变量中以特定方式识别目标单词。例如，给定一个看起来像这样的数据框......

subj <- c("1", "1", "1", "2", "2", "2", "2", "2")
condition <- c("A", "A", "A", "B", "B", "B", "B", "B")
sentence <- c("1", "1", "1", "2", "2", "2", "2", "2")
word <- c("I", "like", "dogs.", "We", "don't", "like", "this", "song.")
d <- data.frame(subj,condition, sentence, word)

 subj condition sentence  word
 1         A        1     I
 1         A        1     like
 1         A        1     dogs.
 2         B        2     We
 2         B        2     don't
 2         B        2     like
 2         B        2     this
 2         B        2     song.

我需要创建一个新列，其中目标单词的每个实例(在本例中，当 d$word="like"时)都标记为 0，并且句子块中“like”之前的所有单词和“之后的所有单词”都递减喜欢”增量。每个主题有多个句子，句子因条件而异，因此循环需要考虑每个主题、每个句子的目标词实例。最终结果应该是这样的。

 subj condition sentence  word   position
 1         A        1     I        -1
 1         A        1     like      0
 1         A        1     dogs.     1
 2         B        2     We       -2
 2         B        2     don't    -1
 2         B        2     like      0
 2         B        2     this      1
 2         B        2     song.     2

对不起，如果问题措辞不当，我希望它是有道理的!请注意，每个句子中的目标不在同一个位置(相对于句子的开头)。我对 R 很陌生，可以弄清楚如何递增或递减，但不能在每个句子块中同时做这两件事。有关解决此问题的最佳方法的任何建议？非常感谢!

Answer 1

您可以添加一个索引，然后您可以将其用于相对位置。
使用 data.table通过 sentence 将其分解好简单

library(data.table)
DT <- data.table(indx=1:nrow(d), d, key="indx")

DT[, position:=(indx - indx[word=="like"]), by=sentence]

# Results
DT
#    indx subj condition sentence  word position
# 1:    1    1         A        1     I       -1
# 2:    2    1         A        1  like        0
# 3:    3    1         A        1 dogs.        1
# 4:    4    2         B        2    We       -2
# 5:    5    2         B        2 don't       -1
# 6:    6    2         B        2  like        0
# 7:    7    2         B        2  this        1
# 8:    8    2         B        2 song.        2

日期:

如果您有语法错误的句子，您可能需要使用 grepl而不是 ==

DT[, position:=(indx - indx[grepl("like", word)]), by=sentence]