如何将数据帧转换为 Iramuteq 和 Alceste 可读的 txt

Posted 2023-02-19

【中文标题】如何将数据帧转换为 Iramuteq 和 Alceste 可读的 txt

【英文标题】：How to convert a dataframe to a txt readable by Iramuteq and Alceste

【发布时间】：2022-01-05 18:06:54

【问题描述】：

Iramuteq 和 Alceste 是文本挖掘程序（在法国仍然很流行），它们处理格式怪异的 txt 文件：语料库中的每个文档都必须以 **** 开头，然后每个语料库变量必须编码为 *variablename_value （尊重一些格式规则）并且要分析的文本必须换行。例如：

**** year_2021 country_france
Bonjour, je m appelle Dario
**** year_2021 country_germany
Guten Tag, ich heisse Dario

如何将包含文本和语料库变量作为列的数据框转换为这种格式？

【参考方案1】：

以下函数可用于将任何数据框转换为这样的txt文件：

dataframe2iramuteq <- function(data, filename) 
  data %>% 
    rename_with(~str_replace_all(str_to_lower(.), "[\\W_]+", "")) %>% # clean column names
    drop_na() %>%
    mutate(across(1:ncol(.)-1, ~str_replace_all(., "[\\W_]+", "")), row = 1:n()) %>% # clean values
    gather(coln, value, -row) %>%
    group_by(row) %>%
    summarise(text = str_c("**** ", str_c("*", coln[-n()], "_", value[-n()], collapse = " "), "\n", last(value))) %>% 
    summarise(text = str_c(text, collapse = "\n")) %>% 
    pull(1) %>% 
    write_file(filename)

注意，要分析的文本必须在数据框的最后一列，其他列都被视为语料库变量。

例如，如果我想分析以下数据框：

starwars_names <- starwars %>% 
  select(2:11, 1)

我可以使用dataframe2iramuteq(starwars_names, "my_file.txt")