从dataframe中删除字符串模式(RStudio中的Twitter数据)
从dataframe中删除字符串模式(RStudio中的Twitter数据)
提问于 2018-11-07 08:32:38
我有一个大型数据(大约500,000次观察)，包括RStudio中的Twitter数据(即用户名、rewtweet计数、文本)。我想在tweet上运行文本分析，但是我首先需要删除retweet标记，这样它们就不会影响我的关键字搜索。
例如，在转发的tweet中，文本如下所示：RT @BobsAccount Great article! Can't wait to learn more.，我想删除附加到RT @....的字符串。
我使用了lapply和gsub来删除特定的字符。例如，成功地删除了"@“：data <- data.frame(lapply(data, function(x) {gsub("@","", x)}))
但我不知道如何删除“字符串模式”(即附加到"RT @“的任何文本)。任何帮助都将不胜感激！
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-11-07 08:42:48
你可以用
data <- data.frame(lapply(data, function(x) {gsub("\\bRT\\s+@\\S*\\s*","", x)}))\bRT\s+@\S*\s*模式匹配
\bRT-一个完整的词RT\s+- 1+白空间@-a@char\S*- 0+非空白字符\s*- 0+空白字符
见regex演示。
R代码示例：
text <- c("RT @BobsAccount Great article! Can't wait to learn more.")
data <- data.frame(text)
data <- data.frame(lapply(data, function(x) {gsub("\\bRT\\s+@\\S*\\s*","", x)}))
data
## => text
## 1 Great article! Can't wait to learn more.页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53185829
复制相关文章
相似问题
腾讯云开发者
