术语频率矩阵

Question

我有一个这样的字符串：

M＆LT; - “abcdabcdbcadacbddabcc ...”

我想生成一个这样的矩阵：

我怎么能在r？

中这样做

Answer 1

这给了我相信你所追求的东西：

m <- "abcdabcdbcadacbddabcc"

library(qdap)

chars <- unique(unlist(strsplit(m, "")))
terms <- paste2(expand.grid(rep(list(chars), 3)), sep="")
t(counts(termco(m, match.list=sort(terms)))[, -c(1:2)])

输出：

    1
aaa 0
aab 0
aac 0
aad 0
aba 0
.
.
.
dcc 0
dcd 0
dda 1
ddb 0
ddc 0
ddd 0

Answer 2

函数gregexpr为您提供模式的每个匹配的位置。

你可以这样做：

a <- c("a","b","c")
b <- matrix(outer(a,a,paste,sep=""),ncol=1)
patterns <- matrix(outer(a,b,paste,sep=""),ncol=1)

m<-"abcdabcdbcadacbddabcc..."

positions <- function(pattern, text) 
  gregexpr(pattern, text)[[1]][1]

sapply(patterns, positions, text=m)