Question

我精通Python但在R中是一个完整的新手。我无法在网上找到这个问题的答案，虽然它会有点冗长，但我希望它对其他用户有用。 R库RQDA。

基本上，RQDA是一种定性研究工具，主要用于为文本文件分配代码（主题）。它有点像荧光笔，它可以计算突出显示的位置。

如果您输入了大量文件，您可以使用主题在不同位置对文本进行编码（例如，关于采访布料制造工作人员的项目可能是“设备”，“缝纫”，“亚麻布”，“丝绸” ，“照明”，“午餐休息”等）。这使您可以计算使用不同代码的次数，在RQDA中，它提供如下表格输出：

rowid   cid fid codenamefilename    index1  index2  CodingLength
1   1   12  1   silk    2010-01-28  409     939     530
2   2   21  1   cotton  2010-01-28  1008    1172    164
3   3   12  1   silk    2010-01-28  1173    1924    751
4   4   39  1   sewing  2010-01-28  1008    1250    751
5   5   38  1   weaving 2010-01-28  1173    1924    751
6   6   78  1   costs   2010-01-28  727     939     212
7   7   23  1   lunch   2010-01-28  1553    1788    235
8   9   7   2   lunch   2010-01-29  1001    1230    371
9   10  4   2   weaving 2010-01-29  1547    1724    135
10  11  6   2   social  2010-01-29  1001    1290    350
11  12  7   2   silk    2010-01-29  1926    2276    350
12  14  17  2   supply  2010-01-29  1926    2276    350
13  15  78  2   costs   2010-01-29  1926    2276    350
14  17  78  2   weaving 2010-01-29  1890    2106    212

代号=给出文字的代码（主题）

filename =文本的文件名（在本例中为日记条目的日期）

index1 =代码启动的文件中的字符位置（突出显示的文本）

index2 =代码结束的文件中的字符位置（突出显示的文本）

CodingLength =编码/突出显示文本的总长度

我想做的是用整个代码列表（上表中的代号，大约100个唯一代码）遍历整个表（大约1,500行），以便输出双向矩阵例如，代码之间的重叠（仅指示，具有5个代码）：

    silk    cotton  sewing  weaving lunch breaks    socialising
silk    *     0      0       3       2              0
cotton  0     *      5       0       0              0
sewing  0     5      *       0       0              0
weaving 3     0      0       *       0              0
lunchs  2     0      0       0       *              5
socialg 0     0      0       0       5              *

（代码搞砸了这个输出，但希望你能得到这个想法）

因此，在RI中需要一些代码来迭代代码列表并计算A）文件名相同的实例数量，B）index1和index2之间的范围内有重叠（CodingLength可能不重要））。

除了以下模糊的预感外，我对于如何完成这项工作感到迷茫：

我可能需要将表格作为变量，例如：

coding_table＆lt; - getCodingTable（）
我可能需要列出唯一变量，例如：

x = c（“丝绸”，“棉花”，“编织”，“缝制”，“午餐”......等）
我需要一个执行检查的功能
我需要行的for循环
我需要一个布尔测试，其中检查范围和文件名，例如任何（409：939％in％727：939）＆amp;＆amp; filename == filename

基于此，有人能看到一种方法来制作一个非常简短的解决方案吗？我觉得python中的等价物最多可以是10行，但考虑到R中需要的额外位，我完全不知道如何做到这一点。

Answer 1

您可以使用foverlap包中的data.table函数创建边缘列表，然后将其转换为加权邻接矩阵。（见here）。

使用data.table，dplyr和igraph的组合，我认为这可以为您提供所需（无法在没有数据的情况下进行验证）。

首先，将数据框设置为数据表，并设置index1和index2的键。然后，foverlap标识其中index1和index2有任何重叠的条目。消除自重叠后，将foverlaps生成的id替换为数据集中的相应代号。这会创建一个边缘列表。将此边缘列表传递给igraph以创建igraph对象并将其作为邻接矩阵返回。

require(igraph); require(data.table); require(dplyr)

el <- setkey(setDT(coding_table), filename, index1, index2) %>%
  foverlaps(., ., type="any", which=TRUE) %>%
  .[coding_table$codename[xid] != coding_table$codename[yid]] %>%
  .[, `:=`(xid = coding_table$codename[xid], yid = coding_table$codename[yid])]

m <- as.matrix(get.adjacency(graph.data.frame(el)))

当然，dplyr完全是可选的;管道只是使它更整洁，避免在环境中创造更多的物体。

Answer 2

另一种似乎有效的方法，因为我理解你的描述。

使用＆＃34; IRanges＆＃34;查找重叠包：

fo = findOverlaps(IRanges(dat$index1, dat$index2))

检查重叠范围是否属于相同的＆＃34;文件名＆＃34;：

i = dat$filename[queryHits(fo)] == dat$filename[subjectHits(fo)]

并列出＆＃34;代号＆＃34;对于重叠的＆＃34; index1＆＃34;和＆＃34; index2＆＃34;属于同一个＆＃34;文件名＆＃34;：

table(dat$codename[queryHits(fo)[i]], dat$codename[subjectHits(fo)[i]])
#       
#          costs cotton lunch sewing silk social supply weaving
#  costs       2      0     0      0    2      0      1       1
#  cotton      0      1     0      1    0      0      0       0
#  lunch       0      0     2      0    1      1      0       1
#  sewing      0      1     0      1    1      0      0       1
#  silk        2      0     1      1    3      0      1       2
#  social      0      0     1      0    0      1      0       0
#  supply      1      0     0      0    1      0      1       1
#  weaving     1      0     1      1    2      0      1       3

R

2 个答案: