r - 如何计算每个文档每行一个标记中单词/标记的出现次数

Question

您好，我有一个来自 tidytext::unnest_tokens() 和 count(category, word, name = "count") 的管道。看起来就像这个例子。

owl <- tibble(category = c(0, 1, 2, -1, 0, 1, 2),
              word = c(rep("hello", 3), rep("world", 4)),
              count = sample(1:100, 7))

我想获得带有附加列的小标题，该列给出了该单词出现的类别数，即每次该单词出现的类别数相同。

我尝试了以下主要有效的代码。结果就是我想要的。

owl %>% mutate(sum_t = sapply(1:nrow(.), function(x) {filter(., word == .$word[[x]]) %>% nrow()}))

但是，看到我的数据有数十万行，这需要相当长的时间。有没有更有效的方法来实现这一目标？

Answer 1

我们可以使用add_count:

library(dplyr)

 owl %>% 
   add_count(word)

输出:

  category word  count     n
     <dbl> <chr> <int> <int>
1        0 hello    98     3
2        1 hello    30     3
3        2 hello    37     3
4       -1 world    22     4
5        0 world    80     4
6        1 world    18     4
7        2 world    19     4