Jorge, estimados colaboradores de R-help Estuve tratando de utilizar un script para uno de los pasos en mi análisis, que es transformar cada uno de los corpus en mi espacio de trabajo en un objeto TermDocumentMatrix Tengo un vector llamado bNames que lista todos los corpus que quiero pasar a TDM, y construí los siguientes comandos: tdm.n1 <- vector('list', length = length(bNames)) for(i in seq_along(tdm.n1)){ tdm.n1.[[i]] <- TermDocumentMatrix(bNames[[i]],control=list(tokenize=nGram1Tok)) } pero obtengo el siguiente error: Error in UseMethod("TermDocumentMatrix", x) : no applicable method for 'TermDocumentMatrix' applied to an object of class "character" entonces revisé qué es lo que bNames[[i]] le está pasando al for bNames[[1]] [1] "qB001" Una cadena de texto, no el corpus llamado "qB001"!!, por eso obtengo el error. Alguien se le ocurre cómo hacer para que lea cada uno de los objetos en la lista y se los pase de a uno a la función? Muchas gracias por adelantado Oscar El 10 de abril de 2015, 11:28, Jorge I Velez <jorgeivanvelez en gmail.com> escribió:> Oscar, > > Cambia > > (l[i]) > > por > > read.table(l[i]) > > Olvide leer cada archivo en el codigo anterior. > > Saludos, > Jorge.- > > 2015-04-11 0:02 GMT+10:00 Oscar Benitez <oscar.benitez1962 en gmail.com>: > >> Jorge >> Gracias por el consejo. Aparentemente no lo estoy aplicando bien, pues el >> objeto que obtengo no contiene lo que quiero. >> Me explico, al ejecutar >> >> txt <- vector('list', length = length(names)) #names el el vector donde >> ya tenía almacenada la lista de txt's >> for(i in seq_along(txt)){ >> txt[[i]] <- Corpus(VectorSource(names[i])) >> } >> >> obtengo el objeto txt: >> > class(txt) >> [1] "list" >> >> si extraigo solamente el primer objeto de esa lista: >> > txt[[1]] >> <<VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>> >> >> si quiero ver el contenido del primer copus >> >> > inspect(txt[[1]]) >> <<VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>> >> >> [[1]] >> <<PlainTextDocument (metadata: 7)>> >> qB001.txt >> >> me informa cosas sobre el objeto, pero los datos no están allí... debería >> mostrarme algo así como: >> >> inspect(cbD02[1:1]) #inspecciono el corpus cbD120, creado a mano por la >> sentencia cbD120<-Corpus(VectorSource(qT120)) >> >> #......contenido del corpus...... >> I went to go see some gypsy to tell me my future, but she asked for my >> photograph instead. >> itz me the one who was talkin to u last time !!! >> starts at 4pm. come get sunny munny :) >> kind of scary to imagine what needs military wiping!!!! >> #.....más.contenido del corpus...... >> >> >> si quiero aplicarle un función propia de limpieza de corpus, por ejemplo >> eliminar los números presentes en el corpus >> > tm_map(txt[[1]], removeNumbers) >> <<VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>> >> >> no hace nada de nada... >> >> Saludos >> >> Oscar >> >> >> >> >> >> El 10 de abril de 2015, 1:15, Jorge I Velez <jorgeivanvelez en gmail.com> >> escribió: >> >>> Oscar, >>> >>> Una forma de trabajar con este tipo de archivos es utilizando listas: >>> >>> # directorio del proyecto >>> setwd('~/proyecto') >>> >>> # archivos de texto >>> l <- list.files(pattern = '.txt') >>> >>> # procesamiento >>> txt <- vector('list', length = length(l)) >>> for(i in seq_along(txt)){ >>> txt[[i]] <- Corpus(VectorSource(l[i])) >>> } >>> >>> # para acceder a la informacion del primero archivo, solo debes escribir >>> txt[[1]] >>> >>> >>> Espero sea de utilidad. >>> >>> Saludos, >>> Jorge.- >>> >>> >>> 2015-04-10 14:14 GMT+10:00 Oscar Benitez <oscar.benitez1962 en gmail.com>: >>> >>>> Hola a todos! >>>> Estoy en un proyecto de text mining y por razones de los recursos con >>>> que >>>> cuento tuve que separar los archivos de texto de input del proyecto en >>>> muchos archivos pequeños. >>>> Luego de transformar cada uno de estos archivos en un corpus separado, >>>> puedo aplicar limpieza sobre cada corpus, buscar n-gramas, construir >>>> cada >>>> termDocumentMatrix y finalmente reunir todo en una sola TDM. >>>> >>>> Pero estoy atorado en el paso de transformar cada uno de los archivos en >>>> corpus mediante un loop. Es decir que en lugar de hacer esto infinitas >>>> veces: >>>> >>>> #Librerias necesarias >>>> library(tm) >>>> >>>> corpus_001<-Corpus(VectorSource(qBlog001)) >>>> corpus_002<-Corpus(VectorSource(qBlog002)) >>>> corpus_003<-Corpus(VectorSource(qBlog003)) >>>> ......... >>>> corpus_150<-Corpus(VectorSource(qBlog150)) >>>> ........ >>>> >>>> quisiera poder armar un loop que haga el trabajo, como por ejemplo >>>> >>>> >>>> >>>> #lista con los nombres que quiero para cada corpus >>>> c_names <- paste("corpus_",formatC(seq(length(bNames)), >>>> width=3, flag="0"), >>>> sep="") >>>> >>>> donde bNames es la lista de los df que tengo cargados "qBlog001" >>>> "qBlog002"..."qBlog150"... >>>> >>>> algo así es lo que tengo en mente: >>>> >>>> for (i in bNames) { >>>> for (j in c_names) { >>>> j<- Corpus(VectorSource(i)) >>>> } >>>> } >>>> >>>> Pero no funciona, he probado con lapply, con sapply, con llply de la >>>> librería (plyr) y no encuentro la manera de hacerlo.. >>>> Cualquier sugerencia sera bienvenida! >>>> Muchas gracias por adelantado! >>>> >>>> >>>> -- >>>> Oscar Benitez >>>> >>>> [[alternative HTML version deleted]] >>>> >>>> _______________________________________________ >>>> R-help-es mailing list >>>> R-help-es en r-project.org >>>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>>> >>> >>> >> >> >> -- >> Oscar Benitez >> > > >-- Oscar Benitez [[alternative HTML version deleted]]
Hola Oscar, A lo mejor este equivocado, pero creo que necesitas read.table(bNames[[i]]) en lugar de bNames[[i]] Como esta, bNames[[i]] corresponde al nombre del corupus, no al corpus como tal. Nos ayudaria muchisimo el resultado de str(bNames) Saludos cordiales, Jorge.- 2015-04-13 9:25 GMT+10:00 Oscar Benitez <oscar.benitez1962 en gmail.com>:> Jorge, estimados colaboradores de R-help > > Estuve tratando de utilizar un script para uno de los pasos en mi > análisis, que es transformar cada uno de los corpus en mi espacio de > trabajo en un objeto TermDocumentMatrix > > Tengo un vector llamado bNames que lista todos los corpus que quiero pasar > a TDM, y construí los siguientes comandos: > > tdm.n1 <- vector('list', length = length(bNames)) > > for(i in seq_along(tdm.n1)){ > tdm.n1.[[i]] <- > TermDocumentMatrix(bNames[[i]],control=list(tokenize=nGram1Tok)) > } > > pero obtengo el siguiente error: > > Error in UseMethod("TermDocumentMatrix", x) : > no applicable method for 'TermDocumentMatrix' applied to an object of > class "character" > > entonces revisé qué es lo que bNames[[i]] le está pasando al for > > bNames[[1]] > [1] "qB001" > > Una cadena de texto, no el corpus llamado "qB001"!!, por eso obtengo el > error. > Alguien se le ocurre cómo hacer para que lea cada uno de los objetos en la > lista y se los pase de a uno a la función? > Muchas gracias por adelantado > Oscar > > > > > > > El 10 de abril de 2015, 11:28, Jorge I Velez <jorgeivanvelez en gmail.com> > escribió: > >> Oscar, >> >> Cambia >> >> (l[i]) >> >> por >> >> read.table(l[i]) >> >> Olvide leer cada archivo en el codigo anterior. >> >> Saludos, >> Jorge.- >> >> 2015-04-11 0:02 GMT+10:00 Oscar Benitez <oscar.benitez1962 en gmail.com>: >> >>> Jorge >>> Gracias por el consejo. Aparentemente no lo estoy aplicando bien, pues >>> el objeto que obtengo no contiene lo que quiero. >>> Me explico, al ejecutar >>> >>> txt <- vector('list', length = length(names)) #names el el vector donde >>> ya tenía almacenada la lista de txt's >>> for(i in seq_along(txt)){ >>> txt[[i]] <- Corpus(VectorSource(names[i])) >>> } >>> >>> obtengo el objeto txt: >>> > class(txt) >>> [1] "list" >>> >>> si extraigo solamente el primer objeto de esa lista: >>> > txt[[1]] >>> <<VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>> >>> >>> si quiero ver el contenido del primer copus >>> >>> > inspect(txt[[1]]) >>> <<VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>> >>> >>> [[1]] >>> <<PlainTextDocument (metadata: 7)>> >>> qB001.txt >>> >>> me informa cosas sobre el objeto, pero los datos no están allí... >>> debería mostrarme algo así como: >>> >>> inspect(cbD02[1:1]) #inspecciono el corpus cbD120, creado a mano por la >>> sentencia cbD120<-Corpus(VectorSource(qT120)) >>> >>> #......contenido del corpus...... >>> I went to go see some gypsy to tell me my future, but she asked for my >>> photograph instead. >>> itz me the one who was talkin to u last time !!! >>> starts at 4pm. come get sunny munny :) >>> kind of scary to imagine what needs military wiping!!!! >>> #.....más.contenido del corpus...... >>> >>> >>> si quiero aplicarle un función propia de limpieza de corpus, por ejemplo >>> eliminar los números presentes en el corpus >>> > tm_map(txt[[1]], removeNumbers) >>> <<VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>> >>> >>> no hace nada de nada... >>> >>> Saludos >>> >>> Oscar >>> >>> >>> >>> >>> >>> El 10 de abril de 2015, 1:15, Jorge I Velez <jorgeivanvelez en gmail.com> >>> escribió: >>> >>>> Oscar, >>>> >>>> Una forma de trabajar con este tipo de archivos es utilizando listas: >>>> >>>> # directorio del proyecto >>>> setwd('~/proyecto') >>>> >>>> # archivos de texto >>>> l <- list.files(pattern = '.txt') >>>> >>>> # procesamiento >>>> txt <- vector('list', length = length(l)) >>>> for(i in seq_along(txt)){ >>>> txt[[i]] <- Corpus(VectorSource(l[i])) >>>> } >>>> >>>> # para acceder a la informacion del primero archivo, solo debes escribir >>>> txt[[1]] >>>> >>>> >>>> Espero sea de utilidad. >>>> >>>> Saludos, >>>> Jorge.- >>>> >>>> >>>> 2015-04-10 14:14 GMT+10:00 Oscar Benitez <oscar.benitez1962 en gmail.com>: >>>> >>>>> Hola a todos! >>>>> Estoy en un proyecto de text mining y por razones de los recursos con >>>>> que >>>>> cuento tuve que separar los archivos de texto de input del proyecto en >>>>> muchos archivos pequeños. >>>>> Luego de transformar cada uno de estos archivos en un corpus separado, >>>>> puedo aplicar limpieza sobre cada corpus, buscar n-gramas, construir >>>>> cada >>>>> termDocumentMatrix y finalmente reunir todo en una sola TDM. >>>>> >>>>> Pero estoy atorado en el paso de transformar cada uno de los archivos >>>>> en >>>>> corpus mediante un loop. Es decir que en lugar de hacer esto infinitas >>>>> veces: >>>>> >>>>> #Librerias necesarias >>>>> library(tm) >>>>> >>>>> corpus_001<-Corpus(VectorSource(qBlog001)) >>>>> corpus_002<-Corpus(VectorSource(qBlog002)) >>>>> corpus_003<-Corpus(VectorSource(qBlog003)) >>>>> ......... >>>>> corpus_150<-Corpus(VectorSource(qBlog150)) >>>>> ........ >>>>> >>>>> quisiera poder armar un loop que haga el trabajo, como por ejemplo >>>>> >>>>> >>>>> >>>>> #lista con los nombres que quiero para cada corpus >>>>> c_names <- paste("corpus_",formatC(seq(length(bNames)), >>>>> width=3, flag="0"), >>>>> sep="") >>>>> >>>>> donde bNames es la lista de los df que tengo cargados "qBlog001" >>>>> "qBlog002"..."qBlog150"... >>>>> >>>>> algo así es lo que tengo en mente: >>>>> >>>>> for (i in bNames) { >>>>> for (j in c_names) { >>>>> j<- Corpus(VectorSource(i)) >>>>> } >>>>> } >>>>> >>>>> Pero no funciona, he probado con lapply, con sapply, con llply de la >>>>> librería (plyr) y no encuentro la manera de hacerlo.. >>>>> Cualquier sugerencia sera bienvenida! >>>>> Muchas gracias por adelantado! >>>>> >>>>> >>>>> -- >>>>> Oscar Benitez >>>>> >>>>> [[alternative HTML version deleted]] >>>>> >>>>> _______________________________________________ >>>>> R-help-es mailing list >>>>> R-help-es en r-project.org >>>>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>>>> >>>> >>>> >>> >>> >>> -- >>> Oscar Benitez >>> >> >> >> > > > -- > Oscar Benitez >[[alternative HTML version deleted]]
Jorge, amigos de R-help obtengo lo siguiente:> str(bNames)chr [1:150] "qB001" "qB002" "qB003" "qB004" "qB005" "qB006" "qB007" ... Gracias y saludos Oscar El 12 de abril de 2015, 20:15, Jorge I Velez <jorgeivanvelez en gmail.com> escribió:> Hola Oscar, > > A lo mejor este equivocado, pero creo que necesitas > > read.table(bNames[[i]]) > > en lugar de > > bNames[[i]] > > Como esta, bNames[[i]] corresponde al nombre del corupus, no al corpus > como tal. > > Nos ayudaria muchisimo el resultado de > > str(bNames) > > Saludos cordiales, > Jorge.- > > > 2015-04-13 9:25 GMT+10:00 Oscar Benitez <oscar.benitez1962 en gmail.com>: > >> Jorge, estimados colaboradores de R-help >> >> Estuve tratando de utilizar un script para uno de los pasos en mi >> análisis, que es transformar cada uno de los corpus en mi espacio de >> trabajo en un objeto TermDocumentMatrix >> >> Tengo un vector llamado bNames que lista todos los corpus que quiero >> pasar a TDM, y construí los siguientes comandos: >> >> tdm.n1 <- vector('list', length = length(bNames)) >> >> for(i in seq_along(tdm.n1)){ >> tdm.n1.[[i]] <- >> TermDocumentMatrix(bNames[[i]],control=list(tokenize=nGram1Tok)) >> } >> >> pero obtengo el siguiente error: >> >> Error in UseMethod("TermDocumentMatrix", x) : >> no applicable method for 'TermDocumentMatrix' applied to an object of >> class "character" >> >> entonces revisé qué es lo que bNames[[i]] le está pasando al for >> >> bNames[[1]] >> [1] "qB001" >> >> Una cadena de texto, no el corpus llamado "qB001"!!, por eso obtengo el >> error. >> Alguien se le ocurre cómo hacer para que lea cada uno de los objetos en >> la lista y se los pase de a uno a la función? >> Muchas gracias por adelantado >> Oscar >> >> >> >> >> >> >> El 10 de abril de 2015, 11:28, Jorge I Velez <jorgeivanvelez en gmail.com> >> escribió: >> >>> Oscar, >>> >>> Cambia >>> >>> (l[i]) >>> >>> por >>> >>> read.table(l[i]) >>> >>> Olvide leer cada archivo en el codigo anterior. >>> >>> Saludos, >>> Jorge.- >>> >>> 2015-04-11 0:02 GMT+10:00 Oscar Benitez <oscar.benitez1962 en gmail.com>: >>> >>>> Jorge >>>> Gracias por el consejo. Aparentemente no lo estoy aplicando bien, pues >>>> el objeto que obtengo no contiene lo que quiero. >>>> Me explico, al ejecutar >>>> >>>> txt <- vector('list', length = length(names)) #names el el vector donde >>>> ya tenía almacenada la lista de txt's >>>> for(i in seq_along(txt)){ >>>> txt[[i]] <- Corpus(VectorSource(names[i])) >>>> } >>>> >>>> obtengo el objeto txt: >>>> > class(txt) >>>> [1] "list" >>>> >>>> si extraigo solamente el primer objeto de esa lista: >>>> > txt[[1]] >>>> <<VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>> >>>> >>>> si quiero ver el contenido del primer copus >>>> >>>> > inspect(txt[[1]]) >>>> <<VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>> >>>> >>>> [[1]] >>>> <<PlainTextDocument (metadata: 7)>> >>>> qB001.txt >>>> >>>> me informa cosas sobre el objeto, pero los datos no están allí... >>>> debería mostrarme algo así como: >>>> >>>> inspect(cbD02[1:1]) #inspecciono el corpus cbD120, creado a mano por la >>>> sentencia cbD120<-Corpus(VectorSource(qT120)) >>>> >>>> #......contenido del corpus...... >>>> I went to go see some gypsy to tell me my future, but she asked for my >>>> photograph instead. >>>> itz me the one who was talkin to u last time !!! >>>> starts at 4pm. come get sunny munny :) >>>> kind of scary to imagine what needs military wiping!!!! >>>> #.....más.contenido del corpus...... >>>> >>>> >>>> si quiero aplicarle un función propia de limpieza de corpus, por >>>> ejemplo eliminar los números presentes en el corpus >>>> > tm_map(txt[[1]], removeNumbers) >>>> <<VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>> >>>> >>>> no hace nada de nada... >>>> >>>> Saludos >>>> >>>> Oscar >>>> >>>> >>>> >>>> >>>> >>>> El 10 de abril de 2015, 1:15, Jorge I Velez <jorgeivanvelez en gmail.com> >>>> escribió: >>>> >>>>> Oscar, >>>>> >>>>> Una forma de trabajar con este tipo de archivos es utilizando listas: >>>>> >>>>> # directorio del proyecto >>>>> setwd('~/proyecto') >>>>> >>>>> # archivos de texto >>>>> l <- list.files(pattern = '.txt') >>>>> >>>>> # procesamiento >>>>> txt <- vector('list', length = length(l)) >>>>> for(i in seq_along(txt)){ >>>>> txt[[i]] <- Corpus(VectorSource(l[i])) >>>>> } >>>>> >>>>> # para acceder a la informacion del primero archivo, solo debes >>>>> escribir >>>>> txt[[1]] >>>>> >>>>> >>>>> Espero sea de utilidad. >>>>> >>>>> Saludos, >>>>> Jorge.- >>>>> >>>>> >>>>> 2015-04-10 14:14 GMT+10:00 Oscar Benitez <oscar.benitez1962 en gmail.com> >>>>> : >>>>> >>>>>> Hola a todos! >>>>>> Estoy en un proyecto de text mining y por razones de los recursos con >>>>>> que >>>>>> cuento tuve que separar los archivos de texto de input del proyecto en >>>>>> muchos archivos pequeños. >>>>>> Luego de transformar cada uno de estos archivos en un corpus separado, >>>>>> puedo aplicar limpieza sobre cada corpus, buscar n-gramas, construir >>>>>> cada >>>>>> termDocumentMatrix y finalmente reunir todo en una sola TDM. >>>>>> >>>>>> Pero estoy atorado en el paso de transformar cada uno de los archivos >>>>>> en >>>>>> corpus mediante un loop. Es decir que en lugar de hacer esto infinitas >>>>>> veces: >>>>>> >>>>>> #Librerias necesarias >>>>>> library(tm) >>>>>> >>>>>> corpus_001<-Corpus(VectorSource(qBlog001)) >>>>>> corpus_002<-Corpus(VectorSource(qBlog002)) >>>>>> corpus_003<-Corpus(VectorSource(qBlog003)) >>>>>> ......... >>>>>> corpus_150<-Corpus(VectorSource(qBlog150)) >>>>>> ........ >>>>>> >>>>>> quisiera poder armar un loop que haga el trabajo, como por ejemplo >>>>>> >>>>>> >>>>>> >>>>>> #lista con los nombres que quiero para cada corpus >>>>>> c_names <- paste("corpus_",formatC(seq(length(bNames)), >>>>>> width=3, flag="0"), >>>>>> sep="") >>>>>> >>>>>> donde bNames es la lista de los df que tengo cargados "qBlog001" >>>>>> "qBlog002"..."qBlog150"... >>>>>> >>>>>> algo así es lo que tengo en mente: >>>>>> >>>>>> for (i in bNames) { >>>>>> for (j in c_names) { >>>>>> j<- Corpus(VectorSource(i)) >>>>>> } >>>>>> } >>>>>> >>>>>> Pero no funciona, he probado con lapply, con sapply, con llply de la >>>>>> librería (plyr) y no encuentro la manera de hacerlo.. >>>>>> Cualquier sugerencia sera bienvenida! >>>>>> Muchas gracias por adelantado! >>>>>> >>>>>> >>>>>> -- >>>>>> Oscar Benitez >>>>>> >>>>>> [[alternative HTML version deleted]] >>>>>> >>>>>> _______________________________________________ >>>>>> R-help-es mailing list >>>>>> R-help-es en r-project.org >>>>>> https://stat.ethz.ch/mailman/listinfo/r-help-es >>>>>> >>>>> >>>>> >>>> >>>> >>>> -- >>>> Oscar Benitez >>>> >>> >>> >>> >> >> >> -- >> Oscar Benitez >> > >-- Oscar Benitez [[alternative HTML version deleted]]