如何避免替換長度為零錯誤

Question

我正在嘗試生成文檔的詞頻矩陣，然后在該矩陣的給定查詢中查找某個單詞的頻率。 最后，我想總結查詢中單詞的頻率。 但是，我正在處理錯誤消息：特征 [i] <- x 中的錯誤：替換長度為零

我一般沒有很多編碼經驗，這是我第一次使用 R，因此我很難解決這個錯誤。 我認為它與空值有關。 我已經嘗試使用 apply function 來避免嵌套的 for 循環，因為我認為這可能會有所幫助（雖然不確定），但我不太了解如何將 for 循環轉換為 apply function。

termfreqname <- function(queries,docs){
  n <- length(queries)
  feature <- vector(length=n)
  for(i in 1:n){
    query <- queries[i]
    documentcorpus <- c(docs[i])

    tdm <- TermDocumentMatrix(tm_corpus) #creates the term frequency matrix per document
    m <- sapply(strsplit(query, " "), length) #length of the query in words
    totalfreq <- list(0) #initialize list
    freq_counter <- rowSums(as.matrix(tdm)) #counts the occurrence of a given word in the tdm matrix

    for(j in 1:m){
      freq <- freq_counter[word(query,j)] #finds frequency of each word in the given query, in the term frequency matrix
      totalfreq[[j]] <- freq #adds this frequency to position j in the list
    }
    x <- reduce(totalfreq,'+') #sums all the numbers in the list
    feature[i] <- x #adds this number to feature list
  feature    
  }
}

Answer 1

這取決於您的需求，但最重要的是您需要添加一些if語句。 如何使用它取決於您是否希望向量的默認值保持不變。 在您的代碼中，雖然feature以邏輯向量開始，但一旦您用數字覆蓋其第一個值，它可能會被強制轉換為integer或numeric 。 在這種情況下，向量所有位置的默認值將是0 （或0L ，如果是整數）。 這將影響您對如何使用if語句的決定。

if (length(x)) feature[i] <- x

如果x對象具有長度（相當於if (length(x) > 0) ），這只會嘗試覆蓋feature的第i個值。 在這種情況下，由於向量中的默認值將為零，這意味着當您完成時，您將無法區分已知為0的元素和未能找到任何內容的元素。

替代方案（以及我的偏好/建議）：

feature[i] <- if (length(x)) x else NA

在這種情況下，完成后，您可以清楚地區分已知零 ( 0 ) 和不確定/未知值 ( NA )。 在對該向量進行數學運算時，您可能需要/需要na.rm=TRUE ...但這一切都取決於您的使用。

順便說一句，正如 MartinGal 所指出的，您對reduce(totalfreq, '+')的使用有點缺陷： 'x'可能不會（不是？）被識別為已知的 function。 解決這個問題的第一個方法是在 function 周圍使用反引號，所以

totalfreq <- 5:7
reduce(totalfreq, '+')
# NULL
reduce(totalfreq, `+`)
# [1] 18
sum(totalfreq)
# [1] 18

最后一種是更受歡迎的方法。 為什么？ 例如，對於長度為 4 的向量，它獲取前兩個並將它們相加，然后獲取該結果並將其添加到第三個，然后獲取該結果並添加到第四個。 三操作。 當您有 100 個元素時，它將進行 99 個單獨的添加。 sum執行一次，這確實對性能有影響（漸近）。

但是，如果totalfreq是一個list ，那么這會稍微改變：

totalfreq <- as.list(5:7)
reduce(totalfreq, `+`)
# [1] 18
sum(totalfreq)
# Error in sum(totalfreq) : invalid 'type' (list) of argument
# x
sum(unlist(totalfreq))
# [1] 18

reduce代碼仍然有效，並且sum本身會失敗，但我們可以unlist列出列表，有效地創建一個向量，然后對其調用sum 。 漸近地快得多。 也許更清晰，更具說明性。

（我假設purrr::reduce ，順便說一句......）