文本挖掘-包含列表的单个列中的单词频率

Question

这是我的数据集：

https://app.box.com/s/yotsy58ud2k9yk7vs7sj8ksc0favhevv

我正在尝试从具有以下结构的单列创建标签的频率表：

为了简单起见，我尝试使用qdap ，但结果不正确

library(qdap)
tags_df <- read.csv(file.choose())
freq_terms(tags_df$tags)

解

只是改进（创建数据框和排序）Rui提供的解决方案：

sp <- unlist(strsplit(as.character(unlist(tags_df$tags)),'^c\\(|,|"|\\)'))

inx <- sapply(sp, function(y) nchar(trimws(y)) > 0 & !is.na(y))

data <- as_data_frame(table(tolower(sp[inx])))

data <- data[with(data,order(-n)),]

data <- data[1:10,]

Answer 1

如果您想要或需要的只是频率计数，则无需外部程序包，base R有一个功能table 。

sp <- unlist(strsplit(as.character(unlist(tags_df$tags)), '^c\\(|,|"|\\)'))
inx <- sapply(sp, function(y) nchar(trimws(y)) > 0 & !is.na(y))
table(sp[inx])
#    Android        CSS3      Design      Hiring  JavaScript      NextJS 
#          1           1           1           1           4           1 
#     NodeJS programming Programming     ReactJS     Testing          UI 
#          1           1           3           3           1           1 
#         UX   WebDesign      webdev      WebDev 
#          1           2           1           4

编辑。

我刚刚意识到，您已经将"programming"和"Programming" ， "webdev"和"WebDev"作为标记，也许您想进行不区分大小写的计数。 如果是这种情况，请尝试

table(tolower(sp[inx]))