R - 如何：对于某个列表中的每个单词，计算单词在例如3000个单词的列中出现的频率

Question

我有一个数据集x，其中有大量文本(columns: title, location, contents)，大约有3000行。

编辑：一个例子。

标题|位置|内容 ... 迪拜 .... ... 迪拜 .... ...... KHARTOUM .... ...... KHARTOUMSUDAN .... ......雅加达......

link to image example

我有一份地点清单。 locations <- c("DUBAI", "KHARTOUM", "JAKARTA", "Paris")。

现在我想制作一个循环，从迪拜开始，看看它出现了多少列，然后创建一个带有计数的变量。然后我想转到位置列表(Khartoum)中的下一个单词并执行相同的操作。

所以在这种情况下，我希望看到：迪拜= 2，喀土穆= 2，雅加达= 1.

到目前为止，我有这个，但我不知道如何概括它并将其变成循环：

numberDUBAI <- nrow(dplyr::filter(x, grepl(' DUBAI ', location))) 

然后我为每个单词重复

numberLOCATIONS <- c(numberDUBAI, numberKHARTOUM, numberJAKARTA, numberPARIS)

但这感觉非常低效，有帮助吗？ ：d

Answer 1

我们可以使用tidyverse

使用map执行此操作

library(tidyverse)
map(locations, ~
               x %>%
                  summarise(n = sum(str_detect(location, .x, ignore_case = TRUE)))
      )

注意：假设'x'是数据集，'location'是列，OP的帖子'locations'是vector个模式