如何在 R 中的字符向量中找到最常见的单词？

Question

我正在分析一些 fmri 数据 - 特别是，我正在研究哪些类型的认知功能与 fmri 扫描的坐标相关（在受试者执行任务时进行）。我的数据可以通过以下函数获得：

library(httr)
scrape_and_sort = function(neurosynth_link){
  result = content(GET(neurosynth_link), "parsed")$data
  names  = c("Name", "z_score", "post_prob", "func_con", "meta_analytic")
  df = do.call(rbind, lapply(result, function(x) setNames(as.data.frame(x), names)))
  df$z_score = as.numeric(df$z_score)
  df = df[order(-df$z_score), ]
  df = df[-which(df$z_score<3),]
  df = na.omit(df)
  return(df)
}
 RO4 = scrape_and_sort('https://neurosynth.org/api/locations/-58_-22_6_6/compare')

现在，我想要知道哪些关键词最常出现，并理想地构建最常见单词的列表我尝试了以下方法：

sort(table(RO4$Name),decreasing=TRUE)

但这显然行不通。问题是名称（例如：“听觉皮层”）是字符串。有多个单词，所以结果这样的“听觉”和“听觉皮层”作为两个单独的条目出现，而我希望它们被视为“听觉”的两个实例，

但我不确定如何在每个字符串中搜索并记录这样的单个单词。

Answer 1

使用包 {jsonlite}、{dplyr} 和管道运算符 %>% 提高易读性：

1. 将响应存储为数据帧 df

url <- 'https://neurosynth.org/api/locations/-58_-22_6_6/compare/'
df <- jsonlite::fromJSON(url) %>% as.data.frame

2. 重塑和聚合

df %>%
    ## keep first column only and name it 'keywords':
    select('keywords' = 1) %>%
    ## multiple cell values (as separated by a blank)
    ## into separate rows:
    separate_rows(keywords, sep = " ") %>%
    group_by(keywords) %>%
    summarise(count = n()) %>%
    arrange(desc(count))

结果：

+ # A tibble: 965 x 2
   keywords count
   <chr>    <int>
 1 cortex      53
 2 gyrus       26
 3 temporal    26
 4 parietal    23
 5 task        22
 6 anterior    19
 7 frontal     18
 8 visual      17
 9 memory      16
10 motor       16
# ... with 955 more rows

编辑：或者，如果您想从数据帧继续，

RO4 %>%
    select(Name) %>%
    ## select(everything())
    ## select(Name:func_con)
    separate_rows(Name, sep=' ') %>%
    ## do remaining stuff

您当然可以通过多种方便的方式选择更多列（请参阅上面的注释行和？dplyr :: select）。请注意，其他变量的值将重复多次，以容纳“名称”列中的任何多值所需的行数，因此这将引入一些冗余。

如果您想采用 {dplyr} 样式，则按 z 分数降序排列并排除不需要的 z 分数，如下所示：

RO4 %>%
    filter(z_score < 3 & !is.na(z_score)) %>%
    arrange(desc(z_score))

Answer 2

不太明白。你不能像这样继续吗：

x <- c("auditory cortex", "auditory", "auditory", "hello friend")
unlist(strsplit(x, " "))
# "auditory" "cortex"   "auditory" "auditory" "hello"    "friend"