- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有以下数据框:
structure(list(g = c("1", "2", "3"), x = c("This is text.", "This is text too.",
"This is no text"), y = c("What is text?", "Can it eat text?",
"Maybe I will try.")), class = "data.frame", row.names = c(NA,
-3L))
我想计算 x
和 y
列中的单词数,并将该值求和以获得一列以及每列使用的单词总数.重要的是我能够对数据进行子集化。结果应该是这样的:
structure(list(g = c("1", "2", "3"), x = c("This is text.", "This is text too.",
"This is no text"), y = c("What is text?", "Can it eat text?",
"Maybe I will try."), z = c("6", "8", "8")), class = "data.frame", row.names = c(NA,
-3L))
我尝试将 str_count("")
与不同的正则表达式结合使用 across
或 apply
但我似乎没有得到解决方案。
我在最初的问题中没有预料到其中包含 NA
单元格的列会出现问题,但我确实预料到了。因此,任何解决方案都需要能够处理 NA
单元格。
最佳答案
此处使用tokenizers
的解决方案:
library(tokenizers)
df <-
structure(list(g = c("1", "2", "3"), x = c("This is text.", "This is text too.",
"This is no text"), y = c("What is text?", "Can it eat text?",
"Maybe I will try.")), class = "data.frame", row.names = c(NA,
-3L))
df$z = tokenizers::count_words(df$x) + tokenizers::count_words(df$y)
df
#> g x y z
#> 1 1 This is text. What is text? 6
#> 2 2 This is text too. Can it eat text? 8
#> 3 3 This is no text Maybe I will try. 8
如果您更喜欢纯 R:
df$z <- rowSums(
sapply(df[,c("x","y")],function(x)
sapply(gregexpr("\\b\\w+\\b", x) , function(x)
if(x[[1]] > 0) length(x) else 0)))
请注意,\w+
匹配所有单词,\b
匹配单词边界,尽管我相信“\w”就足够了
关于r - 一个新列中跨列子集的字数统计,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/74160144/
嗨,我是excel的初学者,所以请原谅我的无知。 最近我发现自己需要一个函数来计算一系列单元格中的单词数(当然,将空单元格计为 0)。 在网上冲浪我发现了这个简单的 VBA 代码: Function
我是编程新手,这段代码不想工作,而且我已经没有想法了。它可以很好地读取文件,但不会计算任何内容。我知道它与 while 语句有关。这是针对两个单独的文件,但它们都需要显示在末尾。 #define _C
我用 Java 实现了一个字数统计程序。基本上,该程序需要一个大文件(在我的测试中,我使用了一个仅包含数字的 10 GB 数据文件),并计算每个“单词”出现的次数 - 在这种情况下,一个数字(例如 2
长话短说:1986 年,一位面试官要求 Donald Knuth 编写一个程序,输入文本和数字 N,并列出按频率排序的 N 个最常用的词。 Knuth 编写了一个 10 页的 Pascal 程序,Do
我有一个包含 2 个字段的表: cnt str -- ------- 60 the 58 of 4 no 30 the 2 of 1 no 我想要这样的结果 cnt
各位seoer应该都明白,要想网站有排名,收录是前提条件,没有收录完全谈不上排名、流量。但是内页的收录往往是seo最大的难题之一,笔者手上有一堆网站都是只被收录了首页或者几页内页,因此解决内页收录问
是否可以设置一个 checkstyle 规则来计算评论中的字数,然后在字数低于定义的限制时显示问题。我在checkstyle上搜索了Javadoc属性,但没有发现有用的东西。 例如: /** * S
我有一个名为“input.txt”的文本文件,其中包含: test line one test line two final line 编译并运行后通过 $ ./a.exe #include
我目前在带有 pandas 0.23.4 的 Jupyter Notebook (v5.6.0) 中使用 python3.7。 我编写了代码来标记一些日语单词,并成功应用了一个字数统计函数,该函数返回
我刚刚用出色的 Redactor 替换了 CKEditor(它伴随着大量与 AJAX 更新 DOM 相关的神秘问题) .我们以前使用 CKEditor 插件为我们提供富文本编辑器的字符数。我怎样才能用
我想在 Eclipse 集群上运行 hadoop 字数统计。但我收到错误。我更改了输出目录,但程序行为没有变化。你能帮我解决这个错误吗: 2013-10-23 23:06:13,783 WA
我正在尝试运行一个 wordcount 程序,但我收到以下代码的错误 job.setInputFormatClass(TextInputFormat.class); job.setOutputForm
这是 Hadoop 字数统计 java map 和 reduce 源代码: 在 map 函数中,我已经可以输出所有以字母“c”开头的单词以及该单词出现的总次数,但我想做的只是输出以字母“c”开头的单词
我是一名优秀的程序员,十分优秀!