Question

我正在处理带有序数变量的数据集以及带有文本的列。通常，我想添加作为文本挖掘练习结果的列，维护表结构。

例如，我导入了一个CSV文件datacsv，并获得了一个名为datacsv=read.csv("data-subset.csv", header=TRUE,sep=";")的数据框

tekst

第三列fte包含文字。我想在＆＃34; fte＆＃34;的背景下搜索该文本中的数字（通常会介于0和1之间）。并将这些数字添加为列> luid titel tekst >1 47300 docent wiskunde De Stichting Openbaar Voortgezet Onderwijs 0,65 fte voltijd niveau: havo vwo >2 43701 docent natuurkunde Speciaal onderwijs fulltime 2015 2016 fte 0,77 Haarlem >3 43702 assistent basisonderwijs Amsterdam fte 0,5。参见：

tm

我安装了quanteda和install.packages("tm", "quantada")

等软件包

library ("tm") library ("quanteda") kwic

如果没有令人满意的结果，我尝试使用各种datacsv ["fte"]<- kwic(datacsv$"tekst", "fte", 4)语句，例如

if(isset($_POST["submit"])){

    $elpost = $_POST["cityName"];
    $sql = "SELECT office_name, office_location, office_phone FROM `easyt_findagents_agents WHERE office_city='$elpost";
    $result = $db->query($sql);

    //Display states list
    if ($result->num_rows > 0) {
        // output data of each row
        while($row = $result->fetch_assoc()) {
            echo $row['office_name'];
        }
    } else {

        echo "0 results";
    }
}

有谁知道如何挖掘文本列并将结果添加为列（或多列）？

谢谢！

Answer 1

此？

10 x 10
  0.000002 seconds (2 allocations: 208 bytes)
  0.000006 seconds (2 allocations: 208 bytes)
100 x 100
  0.000053 seconds (2 allocations: 9.891 KB)
  0.000018 seconds (2 allocations: 9.891 KB)
1000 x 1000
  0.001945 seconds (5 allocations: 976.703 KB)
  0.001490 seconds (5 allocations: 976.703 KB)
10000 x 10000
  0.224491 seconds (5 allocations: 95.368 MB)
  0.117774 seconds (5 allocations: 95.368 MB)

Answer 2

也许这有用吗？

    library(dplyr)       
    mutate(datacsv, 
           fte = as.numeric(regmatches(tekst,regexpr("[[:digit:]]+\\.[[:digit:]]+", 
                                                     tekst))))

添加作为（上下文）文本挖掘操作结果的列

2 个答案: