'leg_activity'列の各行がコンマ区切りの単語の文字列であるデータフレームがあります。
structure(list(id = c("100", "100060", "100073", "100098", "100102",
"100104", "100125", "100128", "100149", "100217", "100220", "100271",
"100464", "100465", "100520", "100607", "100653", "100745", "100757",
"100760"), leg_activity = c("home", "home, car, work, car, leisure, car, other, car, leisure, car, work, car, shop, car, home",
"home, walk, leisure, walk, leisure, walk, home", "home, car, other, car, shop, car, other, car, home",
"home, car, work, car, home, car, home", "home", "home, walk, education, walk, home",
"home, car, other, car, work, car, shop, car, shop, car, home",
"home, car, shop, car, work, car, home", "home, bike, leisure, bike, home",
"home, walk, shop, walk, home", "home, pt, leisure, car, leisure, pt, home",
"home, car, education, car, home", "home, car, leisure, car, home",
"home, walk, home, walk, shop, walk, home", "home, pt, work, walk, leisure, walk, work, pt, home",
"home, pt, leisure, walk, leisure, walk, home", "home, walk, home, bike, shop, bike, home",
"home, pt, work, pt, home, walk, work, walk, home", "home")), row.names = c(2L,
15L, 20L, 24L, 31L, 33L, 40L, 43L, 48L, 70L, 73L, 93L, 147L,
148L, 156L, 174L, 188L, 213L, 214L, 220L), class = "data.frame")
各文字列で、単語の前に表示される単語を抽出しますwork。work複数回出現する可能性があり、前の単語を毎回抽出またはカウントする必要があります。
最終的にworkは、df全体でどの単語が前に出現するかを数えることに興味があります。
私が試したこと：
library(dplyr)
library(stringr)
df%>%
separate_rows(leg_activity, sep = "work, ") %>%
group_by(id) %>%
mutate(n = row_number()) %>%
pivot_wider(names_from = n, values_from = leg_activity)
明らかに、これは結果につながるのではなく、dfを列に分割するだけです。したがって、おそらく別のアプローチがより適切です。
ご助力ありがとうございます！
まず、コードの結果を追跡しやすくするために、少し小さいデータセットを使用します。
d = data.frame(id = 1:3, leg = c("home",
"work, R, eat, work",
"eat, work, R, work"), stringsAsFactors = FALSE)
の文字列（strsplit）を分割します", "。結果のリストをループします（lapply）。「work」（which(x == "work")）のインデックスを取得し、前のインデックス（-1）を取得します。pmax「work」が最初の単語である場合、空のベクトルを取得するために使用します。単語にインデックスを付けます（x[<the-index>]）。アイテムのリストを解除してカウントします（table(unlist(...）。
table(unlist(lapply(strsplit(d$leg, ", "), function(x) x[pmax(0, which(x == "work") - 1)])))
# eat R
# 2 1
「最終的には、df全体で作業する前にどの単語が出現するかを数えることに興味があります。」を考えると、グループ化は不要のようです。
この記事はインターネットから収集されたものであり、転載の際にはソースを示してください。
侵害の場合は、連絡してください[email protected]
コメントを追加