Как выделить числовой вектор биграмм из матрицы TDM

Question

У меня большой числовой (46201 элементов, 3,3 Мб) в R.

 tdm_pairs.matrix <- as.matrix(tdm_pairs)
 top_pairs <- colSums(tdm_pairs.matrix)
 head(sort(top_pairs, decreasing = T),2)

  i know  i dont i think   i can  i just  i want 
 46      42      41      31      30      28 

Я пытался это разделить каждый:

 unlist(strsplit(as.character(top_pairs)," ")) 
 "46" "42" "41" "31" "30" "28"

Я хочу разделить каждый из них, поэтому результат будет похож на это:

 "i" "know" "46"
 "i" "dont" "42"

Answer 1

Что-то вроде этого?

> top_pairs <- structure(c(46, 42), .Names = c("i know", "i dont"))
> do.call(rbind, strsplit(paste(names(top_pairs), top_pairs), " "))
     [,1] [,2]   [,3]
[1,] "i"  "know" "46"
[2,] "i"  "dont" "42"

или если вы хотите сохранить числовые значения, вы можете преобразовать во фрейм данных, используя tidyr:

> library(magrittr)
> library(tidyr)
> data.frame(names=names(top_pairs), count=top_pairs) %>%
    separate(names, into=c("name1", "name2"), sep=" ") %>%
    set_rownames(NULL)

  name1 name2 count
1     i  know    46
2     i  dont    42

Answer 2

Поскольку ваш файл большой, вы можете использовать stringi

library(stringi)
data.frame(stri_split_fixed(names(top_pairs), " ", simplify=T),
    count=top_pairs, row.names=seq_along(top_pairs))

#   X1   X2 count
# 1  i know    46
# 2  i dont    42