我有一个名为“stemmoutput”的数据框(见下文):
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1 tanaman cabai
2 banget hama sakit tanaman
3 koramil nogosari melaks ecek hama tanaman padi ppl ds rambun
我想将多个列值合并到一个列中,如下所示:
TEXT
1 tanaman cabai
2 banget hama sakit tanaman
3 koramil nogosari melaks ecek hama tanaman padi ppl ds rambun
我已经尝试过这段代码了,它可以运行
stemmoutput$TEXT <- with(stemmoutput, paste(X1,X2,X3,X4,X5,X6,X7,X8,X9,X10, sep=" "))
但是有没有其他方法更有效率,而不必逐一记下列的名称?
我也尝试过这样的代码,但是也没用。
for(i in names(stemmoutput)){
stemmoutput$TEXT <- with(stemmoutput, paste(i, sep=" "))}
答案 0 :(得分:2)
尝试do.call
library(stringr)
newdat <- data.frame(TEXT=str_trim(do.call(paste, stemmoutput)),
stringsAsFactors=FALSE)
newdat
# TEXT
#1 tanaman cabai
#2 banget hama sakit tanaman
#3 koramil nogosari melaks ecek hama tanaman padi ppl ds rambun
如果列中有多部分单词,最好使用,
作为分隔符
TEXT <- gsub(', [^A-Za-z]+', '', do.call(paste, c(stemmoutput, sep=', ')))
newdat <- data.frame(TEXT, stringsAsFactors=FALSE)
newdat
# TEXT
#1 tanaman, cabai
#2 banget, hama, sakit, tanaman
#3 koramil, nogosari, melaks, ecek, hama, tanaman, padi, ppl, ds, rambun
答案 1 :(得分:1)
这是使用tidyr
如果您想unite
只有X1
到X10
的列,您可以这样做:
library(tidyr)
unite(stemmoutput, TEXT, num_range("X", 1:10), sep = " ")
如果您要联合所有列,请执行以下操作:
unite(stemmoutput, TEXT, everything(), sep = " ")
<强>基准强>
我在基准测试中尝试了两种方法,因为我怀疑unite
会比do.call
快得多,但它们最终相当于:
df <- data.frame(replicate(10,sample(paste0(
sample(LETTERS[1:10]), collapse = ""), 10e5, replace = TRUE)))
mbm <- microbenchmark(
akrun = data.frame(TEXT=str_trim(do.call(paste, df)), stringsAsFactors=FALSE),
steven = unite(df, TEXT, everything(), sep = " "),
times = 50
)
# Unit: milliseconds
# expr min lq mean median uq max neval cld
# akrun 1117.1350 1132.3861 1146.3943 1136.3094 1145.076 1232.5633 50 b
# steven 910.7432 924.0386 927.8614 927.7224 929.649 995.3584 50 a