アールメカブ

Rの備忘録

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 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;
  }
}

次のような結果が得られる．