Question

我正在研究一个遵循这个基本逻辑的程序：

阅读3个CSV文件，其中前两个包含关键字，最后一个包含排除词。
将两个关键字列表合并为一个，将所有关键字大写，删除任意少于3个字符的关键字。
从关键字列表中排序并删除重复的关键字。
将排除列表中的所有字词大写。
删除排除列表中匹配的关键字。

我遇到麻烦是第2步。我已经尝试了很多解决方案，但没有任何工作。这是我的代码：

# Read in individual data sets

set1=read.csv("set1.csv",header=FALSE,sep=",")
set2=read.csv("set2.csv",header=FALSE,sep=",")
exclude_list=read.csv("exclude.csv",header=FALSE,sep=",")

# Create a new set with the aggregate of all keyword sets,
# capitalizing all keywords and excluding keywords that are 
# less than 2 characters in length

set_agg=rbind(set1,set2)
keywords=set_agg[c("V1")]
keywords = as.data.frame(sapply(keywords, toupper))

??? WHAT GOES HERE ???

# Sort and remove duplicate keywords from the keyword list
as.data.frame(keywords[order(keywords$V1),])
keywords=unique(keywords)

# Modify and capitalize the exclusion list

exclude_list=as.data.frame(exclude_list[c("V1")])
exclude_list=as.data.frame(sapply(exclude_list, toupper))   

# Remove keywords matching the exclude list

`%ni%` <- Negate(`%in%`)

keywords=subset(keywords, V1 %ni% exclude_list$V1)

return(keywords)

作为参考，CSV文件的格式如下：

word1,
word2,
word3,
etc...

Answer 1

您可以通过对关键字长度进行索引来进行索引：

keywords[sapply(keywords[,1], nchar) > 2,]

更新这是一个使用矢量更简单的完整版本：

## Assuming you have keywords and exclude_list originally stored as vectors
keywords <- sapply(unique(sort(c(set1, set2))), toupper)
keywords <- keywords[nchar(keywords) > 2]
keywords <- setdiff(keywords, sapply(exclude_list, toupper))

如何根据字符长度从列表中选择值？

1 个答案: