R：通过标签组合不同长度的频率列表？

Question

我是R的新手，但非常喜欢它，并希望不断改进。 现在，经过一段时间的搜索，我需要求你帮忙。

这是给定的情况：

1）我有句子（句子1和句子2 - 所有单词都已经是小写）并创建他们单词的排序频率列表：

sentence.1 <- "bob buys this car, although his old car is still fine." # saves the sentence into sentence.1
sentence.2 <- "a car can cost you very much per month."

sentence.1.list <- strsplit(sentence.1, "\\W+", perl=T) #(I have these following commands thanks to Stefan Gries) we split the sentence at non-word characters
sentence.2.list <- strsplit(sentence.2, "\\W+", perl=T)

sentence.1.vector <- unlist(sentence.1.list) # then we create a vector of the list
sentence.2.vector <- unlist(sentence.2.list) # vectorizes the list

sentence.1.freq <- table(sentence.1.vector) # and finally create the frequency lists for 
sentence.2.freq <- table(sentence.2.vector)

这些是结果：

sentence.1.freq:
although      bob     buys      car     fine      his       is      old    still     this 
       1        1        1        2        1        1        1        1        1        1

sentence.2.freq:
a   can   car  cost month  much   per  very   you 
1     1     1     1     1     1     1     1     1 

现在，请问，我如何将这两个频率列表组合起来，我将拥有以下内容：

 a  although  bob  buys  can  car  cost fine his  is  month much old per still this very you
NA         1    1     1   NA    2    NA    1   1   1     NA   NA   1  NA     1    1   NA  NA
 1        NA   NA    NA    1    1     1   NA  NA  NA      1    1  NA   1    NA   NA    1   1

因此，该“表”应该是“灵活的”，以便在输入具有单词的新句子的情况下，例如“和”，该表将在“a”和“though”之间添加标签“和”的列。

我想到只是将新句子添加到一个新行中，并将所有尚未列入列表中的单词放在列中（此处，“和”将位于“you”的右侧）并再次对列表进行排序。 但是，我没有管理这个，因为已经根据现有标签对新句子的词语频率进行排序尚未起作用（当有例如“汽车”时，新句子的汽车频率应写入新句子的行和“car”的列，但是当第一次有例如“你”时，它的频率应写入新句子的行和标有“你”的新列。

Answer 1

这不完全是你所描述的，但是你的目标对我来说更有意义的是按行而不是按列组织（并且R处理数据以这种方式组织起来更容易）。

#Convert tables to data frames
a1 <- as.data.frame(sentence.1.freq)
a2 <- as.data.frame(sentence.2.freq)

#There are other options here, see note below
colnames(a1) <- colnames(a2) <- c('word','freq')
#Then merge
merge(a1,a2,by = "word",all = TRUE)
       word freq.x freq.y
1  although      1     NA
2       bob      1     NA
3      buys      1     NA
4       car      2      1
5      fine      1     NA
6       his      1     NA
7        is      1     NA
8       old      1     NA
9     still      1     NA
10     this      1     NA
11        a     NA      1
12      can     NA      1
13     cost     NA      1
14    month     NA      1
15     much     NA      1
16      per     NA      1
17     very     NA      1
18      you     NA      1

然后，您可以继续使用merge来添加更多句子。 为简单起见，我转换了列名，但还有其他选项。 使用by.x和by.y参数，而不是仅仅by在merge可以指示特定的列合并。如果名字都没有在每个数据帧中的相同。 此外， merge的suffix参数将控制count列的唯一名称。 默认是附加.x和.y但您可以更改它。