4
我使用MALLET了几千行这是在输出文本文件结果的话题分析（“topics.txt”）和一百多行，每一行由制表符分隔的变量是这样的：如何通过重构MALLET输出文件来创建表格？
Num1 text1 topic1 proportion1 topic2 proportion2 topic3 proportion3, etc.
Num2 text2 topic1 proportion1 topic2 proportion2 topic3 proportion3, etc.
Num3 text3 topic1 proportion1 topic2 proportion2 topic3 proportion3, etc.
这里的实际数据的一个片段：
> dat[1:5,1:10]
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
1 0 10.txt 27 0.4560785 23 0.3040853 20 0.1315621 21 0.03632624
2 1 1001.txt 20 0.2660085 12 0.2099153 8 0.1699586 13 0.16922928
3 2 1002.txt 16 0.3341721 2 0.1747023 10 0.1360454 12 0.07507119
4 3 1003.txt 12 0.5366148 8 0.2255179 18 0.1388561 0 0.01867091
5 4 1005.txt 16 0.2363206 0 0.2214441 24 0.1914769 7 0.17760521
我试图使用[R这个输出转换成其中的主题是列标题的数据表，每个主题包含变量的值'比例'直接对右手si每个变量的'主题'，每个'文本'的值。就像这样：
topic1 topic2 topic3
text1 proportion1 proportion2 proportion3
text2 proportion1 proportion2 proportion3
或数据上面的代码片段，就像这样：
0 2 7 8 10 12 13 16 18 20 21 23 24 27
10.txt 0 0 0 0 0 0 0 0 0 0.1315621 0.03632624 0.3040853 0 0.4560785
1001.txt 0 0 0 0.1699586 0 0.2099153 0.1692292 0 0 0.2660085 0 0 0 0
1002.txt 0 0.1747023 0 0 0.1360454 0.0750711 0 0.3341721 0 0 0 0 0 0
1003.txt 0.0186709 0 0 0.2255179 0 0.5366148 0 0 0.138856 0 0 0 0 0
1005.txt 0.2214441 0 0.1776052 0 0 0 0 0.2363206 0 0 0 0 0.1914769 0
这是[R代码我必须做的工作，从一个朋友送的，但它不为我工作（我不知道有足够的了解它自己修复）：
##########################################
dat<-read.table("topics.txt", header=F, sep="\t")
datnames<-subset(dat, select=2)
dat2<-subset(dat, select=3:length(dat))
y <- data.frame(topic=character(0),proportion=character(0),text=character(0))
for(i in seq(1, length(dat2), 2)){
z<-i+1
x<-dat2[,i:z]
x<-cbind(x, datnames)
colnames(x)<-c("topic","proportion", "text")
y<-rbind(y, x)
}
# Right at this step at the end of the block
# I get this message that may indicate the problem:
# Error in c(in c("topic", "proportion", "text") : unused argument(s) ("text")
y[is.na(y)] <- 0
xdat<-xtabs(proportion ~ text+topic, data=y)
write.table(xdat, file="topicMatrix.txt", sep="\t", eol = "\n", quote=TRUE, col.names=TRUE, row.names=TRUE)
##########################################
我会非常感谢我如何能得到这个代码工作的任何建议。我的问题可能与this one有关，也可能与this one有关，但我还没有技能立即使用这些问题的答案。
除非你提供真正的数据结构，否则你不会得到太多的帮助....一个用于这些比例的数字。使用dput（head（dat，20）） –
感谢提示，我添加了一些内容。 – Ben
我还应该在使用'rm（list = ls（all = TRUE））'稍微改变了这个问题，以便在他的块结束时，错误信息变成“在[.data.frame'（dat2，，i：z）中出错：未定义的列被选中”。无论如何，我认为@Ramnath的答案是一个很有前途的选择。 – Ben