Question

我正在尝试进行情绪分析并面临一个小问题。我正在使用一个包含主题标签和其他垃圾值的字典（如下所示）。它还具有相关联的标签权重。我想只将标签及其相应的权重提取到一个新的数据框中。有没有简单的方法呢？我已经尝试过使用regmatches，但有些是如何以列表格式提供输出并且搞乱了。输入：

            V1    V2
1    #fabulous 7.526
2   #excellent 7.247
3      superb 7.199
4  #perfection 7.099
5    #terrific 6.922
6 #magnificent 6.672

输出：

            V1    V2
1    #fabulous 7.526
2   #excellent 7.247
3  #perfection 7.099
4    #terrific 6.922
5 #magnificent 6.672

Answer 1

要仅选择作为主题标签的条目，您可以使用简单正则表达式^#（意思是“以＃开头的任何内容”）：

> input[grepl("^#",input[,1]),]
            V1    V2
1    #fabulous 7.526
2   #excellent 7.247
4  #perfection 7.099
5    #terrific 6.922
6 #magnificent 6.672

除原始数据外，正则表达式#[[:alnum:]]+（意思是：“一个标签，后跟一个或多个字母数字字符”）可以帮助您获取主题标签：

> tweets <- c("New R job: Statistical and Methodological Consultant at the Center for Open Science http://www.r-users.com/jobs/statistical-methodological-consultant-center-open-science/ … #rstats #jobs","New R job: Research Engineer/Applied Researcher at eBay http://www.r-users.com/jobs/research-engineerapplied-researcher-ebay/ … #rstats #jobs")
> match <- regmatches(tweets,gregexpr("#[[:alnum:]]+",tweets))
> match
[[1]]
[1] "#rstats" "#jobs"  

[[2]]
[1] "#rstats" "#jobs"  
> unlist(match)
[1] "#rstats" "#jobs"   "#rstats" "#jobs"

Answer 2

此代码应该可以使用，并以data.frame

的形式提供所需的输出

 Input<- data.frame(V1 = c("#fabulous","#excellent","superb","#perfection","#terrific","#magnificent"), V2 = c("7.526",  "7.247" , "7.199", "7.099",  "6.922", "6.672")) 
 extractHashtags <- Input[which(substr(Input$V1,1,1) == "#"),]
 View(extractHashtags)

从推文中提取主题标签

2 个答案: