アールメカブ

• バックアップ一覧
• 差分 を表示
• ソース を表示
• バックアップ を表示
• R_頻度区間調整 へ行く。
  • 1 (2007-10-08 (月) 14:55:44)

• 追加された行はこの色です。
• 削除された行はこの色です。

[[Rの備忘録]]

例えば
例えば芥川龍之介の羅生門について各文の句数を計算した結果ファイル rashom.csv があるとする．
 writers <- read.csv(file = "corpusWork2007/test.csv")
 # 上の中身は
 # 上のtest.csv は作家と作品略語のリスト．この中身は
   Writer,Text,Length
   akutagawa,rashom,151
 # の2行だけだとして
  text0 <- as.character(writers$Text[1])
    # text0 は "rashom"
  buntyo <- read.csv(file = 
     paste("CAB/",text0,".csv",sep = ""), header = F)
  # 文を先頭から句数で数えたファイルを読み込む
  # 文を先頭から句数で数えたファイル rashom.csv を読み込む

  # そのファイルから句数の頻度表を作成する
 bun.orig.df <- data.frame(table(buntyo))
###
### 高頻度では、データ区間が飛び飛びになっているので、これを補正する
# y <- min(buntyo):max(buntyo)
y <- 0:max(buntyo)
bun.df <- data.frame(cate = y, freq = c(rep(0, length(y))))
z <- 0
bun.df[1,] = c(0,0)
for(i in 1:nrow(bun.df)){
  if(bun.orig.df[i - z,]$buntyo == bun.df[i,]$cate){
    bun.df[i,]$freq <- bun.orig.df[bun.orig.df$buntyo == bun.df[i,]$cate, ]$Freq}
  else{
    z <- z + 1;
    next;
  }
}
 # y <- min(buntyo):max(buntyo)
 y <- 0:max(buntyo)
 bun.df <- data.frame(cate = y, freq = c(rep(0, 
   length(y))))
 z <- 0
 bun.df[1,] = c(0,0)
 for(i in 1:nrow(bun.df)){
   if(bun.orig.df[i - z,]$buntyo == bun.df[i,]$cate){
     bun.df[i,]$freq <- bun.orig.df[
          bun.orig.df$buntyo == bun.df[i,]$cate, ]$Freq}
   else{
     z <- z + 1;
     next;
   }
 }

次のような結果が得られる．
||Modified|Original||
|句数|修正した頻度表|table()関数による頻度表|
|1|0||
|2|1|1|
|3|4|4|
|4|3|3|
|5|8|8|
|6|6|6|
|7|15|15|
|8|12|12|
|9|19|19|
|10|17|17|
|11|7|7|
|12|12|12|
|13|5|5|
|14|9|9|
|15|8|8|
|16|8|8|
|17|2|2|
|18|4|4|
|19|4|4|
|20|0||
|21|1|1|
|22|1|1|
|23|0||
|24|0||
|25|2|2|
|26|1|1|
|27|0||
|28|2|2|