R help es - Nov 2010 - duda de tm para español

Estimados compañeros estoy haciendo análisis de contenido y quería saber 
si alguno de vosotros habeís trabajado con el módulo tm y con textos en 
español porque a mi aunque en el corpus ponga spanish no coge ni acentos 
ni ñ y luego no puedo sacar los términos y su frecuencia.

Un cordial saludo,


Juan

Hola Manuel el juego de caracteres que indica el manual es un ISO 639-2 
pero no encuentro la forma de pasar el texto a este juego de caracteres. 
Además ignoro si con esto solucionaré el problema.

Un saludo,

Juan

El 17/11/2010 10:36, r-uca escribió:
> El mié, 17-11-2010 a las 10:31 +0100, Juan Antonio Gil Pascual escribió:
>> Estimados compañeros estoy haciendo análisis de contenido y quería
saber
>> si alguno de vosotros habeís trabajado con el módulo tm y con textos en
>> español porque a mi aunque en el corpus ponga spanish no coge ni
acentos
>> ni ñ y luego no puedo sacar los términos y su frecuencia.
>>
> Puede tener que ver con el juego de caracteres que estés usando para
> entrar los textos. Mira la documentación del paquete al respecto.
>
> Saludos.
>

Cuidado, ISO 639-2 es un código para determinar nombres de lenguajes.
Mira a ver en qué código tienes los ficheros de los documentos que 
quieres analizar (usa el comando file en un unix o linux). Posiblemente 
no sea el que admite tm por defecto. Hay comandos tm que permite fijar 
la codificación (encoding).

Saludos, Jorge.




El 17/11/10 11:45, Juan Antonio Gil Pascual escribió:
> Hola Manuel el juego de caracteres que indica el manual es un ISO 639-2
> pero no encuentro la forma de pasar el texto a este juego de caracteres.
> Además ignoro si con esto solucionaré el problema.
>
> Un saludo,
>
> Juan
>
> El 17/11/2010 10:36, r-uca escribió:
>> El mié, 17-11-2010 a las 10:31 +0100, Juan Antonio Gil Pascual
escribió:
>>> Estimados compañeros estoy haciendo análisis de contenido y quería
saber
>>> si alguno de vosotros habeís trabajado con el módulo tm y con
textos en
>>> español porque a mi aunque en el corpus ponga spanish no coge ni
acentos
>>> ni ñ y luego no puedo sacar los términos y su frecuencia.
>>>
>> Puede tener que ver con el juego de caracteres que estés usando para
>> entrar los textos. Mira la documentación del paquete al respecto.
>>
>> Saludos.
>>
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>

Hola,

Estoy intentando dibujar un diagrama de caja según los valores de una 
variable de tipo factor para un subconjuntos de los datos de un archivo. Uso 
esta orden

boxplot(var1~factor1, ylab="var1", xlab="factor1",
data=FicheroDatos,
subset=factor2=="Categoria1")

donde
var1 es una variable numerica
factor1 es una variable categorica (tipo caracter) que tiene muchas 
categorias distintas (pero solo 8 en el subconjunto de datos que cumple la 
condicion factor2=="Categoria1")
factor2 es una variable categorica (tipo caracter) con 13 categorias 
distintas y a mi solo me interesa analizar los datos de la categoria1.

El problema es que en el diagrama de caja resultante aparece la variable 
factor1 con todas sus categorías posibles que son muchas (mas de 30) en vez 
de dejarme solo las 8 que tienen los datos del subconjunto 
subset=factor2=="Categoria1".

¿Alguien sabe como decirle a R que se olvide del resto de las categorias?

Gracias anticipadas,

Beatriz Lacruz Casaucau
______________________________________________________

Universidad de Zaragoza
Departamento de Métodos Estadísticos
Edificio de Matemáticas, 3ª planta
Pedro Cerbuna, 12
50009 Zaragoza (Spain)

Tel. 976 76 10 00 Ext. 3245
Fax. 976 76 11 15

http://metodosestadisticos.unizar.es/personales/lacruz/

Hola,

La sintaxis que usas para la función boxplot es correcta.
Por lo que seguramente el problema lo tengas en la estructura de tus datos.

Como opción, prueba a seleccionar el conjunto de datos a analizar antes de
procesarlos con boxplot.
Algo del tipo:

FicheroDatos.new<-FicheroDatos[, factor2=="Categoria1"]

Y luego utilizar este nuevo data.frame en boxplot:

boxplot(var1 ~ factor1, data=FicheroDatos.new)

Saludos,
Carlos Ortega.
www.qualityexcellence.es

2010/11/18 Beatriz Lacruz <lacruz@unizar.es>
> Hola,
>
> Estoy intentando dibujar un diagrama de caja según los valores de una
> variable de tipo factor para un subconjuntos de los datos de un archivo.
Uso
> esta orden
>
> boxplot(var1~factor1, ylab="var1", xlab="factor1",
data=FicheroDatos,
> subset=factor2=="Categoria1")
>
> donde
> var1 es una variable numerica
> factor1 es una variable categorica (tipo caracter) que tiene muchas
> categorias distintas (pero solo 8 en el subconjunto de datos que cumple la
> condicion factor2=="Categoria1")
> factor2 es una variable categorica (tipo caracter) con 13 categorias
> distintas y a mi solo me interesa analizar los datos de la categoria1.
>
> El problema es que en el diagrama de caja resultante aparece la variable
> factor1 con todas sus categorías posibles que son muchas (mas de 30) en vez
> de dejarme solo las 8 que tienen los datos del subconjunto
> subset=factor2=="Categoria1".
>
> ¿Alguien sabe como decirle a R que se olvide del resto de las categorias?
>
> Gracias anticipadas,
>
> Beatriz Lacruz Casaucau
> ______________________________________________________
>
> Universidad de Zaragoza
> Departamento de Métodos Estadísticos
> Edificio de Matemáticas, 3ª planta
> Pedro Cerbuna, 12
> 50009 Zaragoza (Spain)
>
> Tel. 976 76 10 00 Ext. 3245
> Fax. 976 76 11 15
>
> http://metodosestadisticos.unizar.es/personales/lacruz/
>
> _______________________________________________
> R-help-es mailing list
> R-help-es@r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
	[[alternative HTML version deleted]]

Hola,

Cometí un error en la extracción.
La forma debe de ser esta:

FicheroDatos.new<-FicheroDatos[
FicheroDatos$factor2=="Categoria1",]

Saludos,
Carlos Ortega.
www.qualityexcellence.es


2010/11/18 Carlos Ortega <coforfe@gmail.com>
> Hola,
>
> La sintaxis que usas para la función boxplot es correcta.
> Por lo que seguramente el problema lo tengas en la estructura de tus datos.
>
> Como opción, prueba a seleccionar el conjunto de datos a analizar antes de
> procesarlos con boxplot.
> Algo del tipo:
>
> FicheroDatos.new<-FicheroDatos[, factor2=="Categoria1"]
>
> Y luego utilizar este nuevo data.frame en boxplot:
>
> boxplot(var1 ~ factor1, data=FicheroDatos.new)
>
> Saludos,
> Carlos Ortega.
> www.qualityexcellence.es
>
> 2010/11/18 Beatriz Lacruz <lacruz@unizar.es>
>
> Hola,
>>
>> Estoy intentando dibujar un diagrama de caja según los valores de una
>> variable de tipo factor para un subconjuntos de los datos de un
archivo. Uso
>> esta orden
>>
>> boxplot(var1~factor1, ylab="var1", xlab="factor1",
data=FicheroDatos,
>> subset=factor2=="Categoria1")
>>
>> donde
>> var1 es una variable numerica
>> factor1 es una variable categorica (tipo caracter) que tiene muchas
>> categorias distintas (pero solo 8 en el subconjunto de datos que cumple
la
>> condicion factor2=="Categoria1")
>> factor2 es una variable categorica (tipo caracter) con 13 categorias
>> distintas y a mi solo me interesa analizar los datos de la categoria1.
>>
>> El problema es que en el diagrama de caja resultante aparece la
variable
>> factor1 con todas sus categorías posibles que son muchas (mas de 30) en
vez
>> de dejarme solo las 8 que tienen los datos del subconjunto
>> subset=factor2=="Categoria1".
>>
>> ¿Alguien sabe como decirle a R que se olvide del resto de las
categorias?
>>
>> Gracias anticipadas,
>>
>> Beatriz Lacruz Casaucau
>> ______________________________________________________
>>
>> Universidad de Zaragoza
>> Departamento de Métodos Estadísticos
>> Edificio de Matemáticas, 3ª planta
>> Pedro Cerbuna, 12
>> 50009 Zaragoza (Spain)
>>
>> Tel. 976 76 10 00 Ext. 3245
>> Fax. 976 76 11 15
>>
>> http://metodosestadisticos.unizar.es/personales/lacruz/
>>
>> _______________________________________________
>> R-help-es mailing list
>> R-help-es@r-project.org
>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>>
>
>
	[[alternative HTML version deleted]]

Buenos dias Beatriz,

El comportamiento que observa tiene que ver con que la variables es un
factor y aun cuando selecciones un subconjunto de el, sus niveles se
mantienen:

   # nota que Species tiene 3 niveles

with(iris, levels(Species))


# esto ilustra tu problema

with(iris, boxplot(Sepal.Length ~ Species, data = iris, subset = Species
=''virginica''))


# una posible solucion

boxplot(iris[iris$Species == ''virginica'',]$Sepal.Length)

Un saludo,
Jorge Ivan Velez


2010/11/18 Beatriz Lacruz <>
> Hola,
>
> Estoy intentando dibujar un diagrama de caja según los valores de una
> variable de tipo factor para un subconjuntos de los datos de un archivo.
Uso
> esta orden
>
> boxplot(var1~factor1, ylab="var1", xlab="factor1",
data=FicheroDatos,
> subset=factor2=="Categoria1")
>
> donde
> var1 es una variable numerica
> factor1 es una variable categorica (tipo caracter) que tiene muchas
> categorias distintas (pero solo 8 en el subconjunto de datos que cumple la
> condicion factor2=="Categoria1")
> factor2 es una variable categorica (tipo caracter) con 13 categorias
> distintas y a mi solo me interesa analizar los datos de la categoria1.
>
> El problema es que en el diagrama de caja resultante aparece la variable
> factor1 con todas sus categorías posibles que son muchas (mas de 30) en vez
> de dejarme solo las 8 que tienen los datos del subconjunto
> subset=factor2=="Categoria1".
>
> ¿Alguien sabe como decirle a R que se olvide del resto de las categorias?
>
> Gracias anticipadas,
>
> Beatriz Lacruz Casaucau
> ______________________________________________________
>
> Universidad de Zaragoza
> Departamento de Métodos Estadísticos
> Edificio de Matemáticas, 3ª planta
> Pedro Cerbuna, 12
> 50009 Zaragoza (Spain)
>
> Tel. 976 76 10 00 Ext. 3245
> Fax. 976 76 11 15
>
> http://metodosestadisticos.unizar.es/personales/lacruz/
>
> _______________________________________________
> R-help-es mailing list
> R-help-es@r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
	[[alternative HTML version deleted]]