如何合并两个具有相同docvars的quanteda语料库并保留docvars？

你提到的+、c()（直接调用base版本）、rbind()都不适用，因为quanteda的corpus是特殊的S4对象，需要用专门的方法处理：

• 推荐方法：使用corpus_merge()函数
  这是quanteda官方提供的合并语料库工具，会自动匹配并保留所有名称一致的docvars，用法很简单：

# 加载quanteda包
library(quanteda)
# 合并两个语料库
merged_corpus <- corpus_merge(corpus1, corpus2)

• 备选方法：使用quanteda重载的c()函数
  quanteda对c()做了重载，可以直接用来拼接corpus对象，同样会保留docvars：

merged_corpus <- c(corpus1, corpus2)

验证合并结果 #

合并完成后可以做以下检查确保正确：

# 确认合并后的文档总数等于两个原语料库之和
cat("合并后文档数：", ndoc(merged_corpus), "\n")
cat("原文档数之和：", ndoc(corpus1) + ndoc(corpus2), "\n")

# 查看合并后的docvars结构
str(docvars(merged_corpus))

为什么之前的方法无效？

• +运算符在quanteda中不是用于合并corpus的，它有其他用途（比如修改corpus属性）；
• rbind()是针对data.frame的函数，无法直接处理corpus这种特殊对象；
• 如果之前用c()失败，可能是因为没有加载quanteda包，导致调用的是base R的c()而非quanteda重载的版本。

内容的提问来源于stack exchange，提问作者mehmety