使用anti_join去除停用词报错，求R语言替代解决方法

错误原因 #

你的报错核心是stop_words未被识别为标准数据框，反而变成了一串正则字符串，导致与你的数据框x数据源不匹配。大概率是未正确加载tidytext包内置的stop_words数据集，或是误操作将其转换成了字符串类型。

解决方案 #

方案1：确保正确加载tidytext并指定join列 #

先确认已加载tidytext包，然后在anti_join中明确指定匹配列，必要时加上copy=TRUE参数兼容数据源差异：

library(tidytext)
library(dplyr)
library(tidyr)

data_review2 <- data %>%
  unnest_tokens(word, reviewText) %>%
  anti_join(stop_words, by = "word", copy = TRUE)

方案2：用filter+%in%替代anti_join #

如果join方式仍有问题，直接用filter结合%in%过滤停用词，逻辑更直观且不易出数据源匹配问题：

library(tidytext)
library(dplyr)
library(tidyr)

data_review2 <- data %>%
  unnest_tokens(word, reviewText) %>%
  filter(!word %in% stop_words$word)

方案3：手动定义停用词列表（备用） #

如果内置stop_words仍无法正常调用，可手动创建停用词向量直接使用：

# 示例英文停用词列表，可根据需求扩展
custom_stop_words <- c("i", "me", "my", "myself", "we", "our", "ours", "ourselves", 
                       "you", "your", "yours", "yourself", "yourselves")

data_review2 <- data %>%
  unnest_tokens(word, reviewText) %>%
  filter(!word %in% custom_stop_words)

内容的提问来源于stack exchange，提问作者Mayank Kumar Singh