Question

我有一个数据集，其中包含在聊天会话期间创建的两个人之间的对话框。例如，

＆＃34; A：嗨＆＃34;
＆＃34; A：今天你好吗＆＃34;
＆＃34; B：很好。你好吗？＆＃34;
＆＃34; A：我很好＆＃34;
＆＃34;酷＆＃34;

我想在R中创建一个简单的函数，在B说出一行之前将A的行组合起来，这样我就有了一个看起来像这样的数据集：

＆＃34; A：你好A：你今天过得怎么样？＃34;
＆＃34; B：好吧，你好吗？
＆＃34; A：我很好＆＃34;
＆＃34; B：酷＆＃34;

我知道如何合并/组合单元格，但我不知道如何创建逻辑语句为A之前的A语言创建指示符（反之亦然）。

Answer 1

rle()功能可用于此目的。它确定给定向量中所有运行的相等值。

v1 <- c("A: Hi" , "A: How are you today", "B: Fine. How are you?", 
     "A: I'm good" ,"B: Cool") # input data

speakers <- rle(substring(v1, 1, 1))

rle()函数的输出现在可用于拆分对话部分，然后将它们组合以获得所需的结果。

ids <- rep(paste(1:length(speakers$lengths)), speakers$lengths) 
unname(sapply(split(v1, ids), function(monologue) {
   # concatenate all statements in a "monologue"
   monologue[-1] <- substring(monologue[-1], 4)
   paste(monologue, collapse=" ")
}))

结果：

## [1] "A: Hi How are you today"
## [2] "B: Fine. How are you?"
## [3] "A: I'm good"             
## [4] "B: Cool"

Answer 2

使用data.table的选项。将向量（＆＃34; v1＆＃34;）转换为data.table（setDT）。根据前缀（＆＃34; A＆＃34;，＆＃34; B＆＃34;）创建一个新变量（＆＃34; indx＆＃34;）。使用rleid创建分组变量，paste使用＆＃34; V1＆＃34;变量（没有前缀）和＆＃34; indx＆＃34;创造预期的产出。

library(data.table)#data.table_1.9.5
setDT(list(v1))[, indx:=sub(':.*', '', V1)][, paste(unique(indx), 
   paste(sub('.:', '', V1), collapse=" "), sep=":") , rleid(indx)]$V1
# [1] "A: Hi  How are you today" "B: Fine. How are you?"   
# [3] "A: I'm good"              "B: Cool"

或者变体将使用tstrsplit来分割列＆＃34; V1＆＃34;分为两个（＆＃34; V1＆＃34;和＆＃34; V2＆＃34;），按rleid分组＆＃34; V1＆＃34;和paste＆的内容＃34; V1＆＃34;和＆＃34; V2＆＃34;。

setDT(list(v1))[,tstrsplit(V1, ": ")][, sprintf('%s: %s', unique(V1),
           paste(V2, collapse=" ")), rleid(V1)]$V1
#[1] "A: Hi How are you today" "B: Fine. How are you?"  
#[3] "A: I'm good"             "B: Cool"

使用base R

的选项

 str1 <- sub(':.*', '', v1)
 indx1 <- cumsum(c(TRUE,indx[-1]!=indx[-length(indx)]))
 str2 <- sub('.*: +', '', v1)
 paste(tapply(str1, indx1, FUN=unique),
    tapply(str2, indx1, FUN=paste, collapse=" "), sep=": ")
 #[1] "A: Hi How are you today" "B: Fine. How are you?"  
 #[3] "A: I'm good"             "B: Cool"

数据

v1 <- c("A: Hi" , "A: How are you today", "B: Fine. How are you?", 
     "A: I'm good" ,"B: Cool")

结合名义变量的运行

2 个答案:

数据