如何避免长度为零的错误替换

Question

我正在尝试生成文档的术语频率矩阵，然后在该矩阵中查找给定查询中某个单词的频率。最后，我想对查询中单词的出现频率求和。但是，我正在处理错误消息：feature [i]中的错误

一般而言，我没有太多的编码经验，这是我第一次使用R，因此我很难解决此错误。我认为它与空值有关。我已经尝试避免使用apply函数嵌套嵌套的for循环，因为我认为这可能会有所帮助（虽然不确定），但是我不太了解如何将for循环转换为apply函数。

  n <- length(queries)
  feature <- vector(length=n)
  for(i in 1:n){
    query <- queries[i]
    documentcorpus <- c(docs[i])

    tdm <- TermDocumentMatrix(tm_corpus) #creates the term frequency matrix per document
    m <- sapply(strsplit(query, " "), length) #length of the query in words
    totalfreq <- list(0) #initialize list
    freq_counter <- rowSums(as.matrix(tdm)) #counts the occurrence of a given word in the tdm matrix

    for(j in 1:m){
      freq <- freq_counter[word(query,j)] #finds frequency of each word in the given query, in the term frequency matrix
      totalfreq[[j]] <- freq #adds this frequency to position j in the list
    }
    x <- reduce(totalfreq,'+') #sums all the numbers in the list
    feature[i] <- x #adds this number to feature list
  feature    
  }
}

Answer 1

这取决于您的需求，但最重要的是您需要添加一些if语句。如何使用它取决于是否要保留向量的默认值。在您的代码中，虽然feature作为逻辑矢量开始，但是一旦您用数字覆盖其第一个值，它就有可能被强制为integer或numeric。在这种情况下，矢量所有位置的默认值为0（如果为整数，则为0L）。这将影响您对如何使用if语句的决定。

if (length(x)) feature[i] <- x

仅当i对象具有长度（等于feature）时，才会尝试覆盖x的第if (length(x) > 0)个值。在这种情况下，由于向量中的默认值将为零，因此这意味着完成操作后，您将无法区分已知为0的元素和找不到任何内容的元素。

替代方法（以及我的偏好/推荐）：

feature[i] <- if (length(x)) x else NA

在这种情况下，完成后，您可以清楚地区分已知零（0）和不确定/未知值（NA）。在该向量上进行数学运算时，可能需要/需要na.rm=TRUE ...，但这全部取决于您的使用。

顺便说一句，正如MartinGal所指出的，您对reduce(totalfreq, '+')的使用有点缺陷：'x'可能不被（不是？）识别为已知函数。第一个解决方法是在函数周围使用反引号，因此

totalfreq <- 5:7
reduce(totalfreq, '+')
# NULL
reduce(totalfreq, `+`)
# [1] 18
sum(totalfreq)
# [1] 18

最后一种是首选方法。为什么？例如，对于一个长度为4的向量，它将取前两个并将其相加，然后将结果加到第三个，然后将结果并加到第四个。三个操作。当您有100个元素时，它将进行99个单独的添加。 sum会执行一次，这确实会（渐近地）影响性能。

但是，如果totalfreq代替为list，则这会稍有变化：

totalfreq <- as.list(5:7)
reduce(totalfreq, `+`)
# [1] 18
sum(totalfreq)
# Error in sum(totalfreq) : invalid 'type' (list) of argument
# x
sum(unlist(totalfreq))
# [1] 18

reduce代码仍然有效，并且sum本身失败，但是我们可以先unlist列表，有效地创建向量，然后在其上调用sum。渐近地快得多。也许更清晰，更具声明性。

（我假设purrr::reduce，顺便说一句...]