R语言中.[rep(token, nrow(.)), ]代码含义及widely()运行差异解析

核心问题解析 #

你提到的y <- .[rep(token, nrow(.)), ]这行代码，单独执行会出现大量NA，但在widely()函数内正常运行，核心原因是**widely()函数内部会将输入的长格式数据转换为宽矩阵**，而你直接在tidy_pmi（长格式数据框）上执行这行代码时，数据结构不匹配导致NA。

为什么在widely()里能正常运行？ #

widely()是widyr包的函数，它会自动把长格式的tidy数据转换为宽矩阵：行对应item1（即词汇），列对应dimension（词嵌入维度），单元格值为value（嵌入数值）。因此在widely()的匿名函数中，.指代的是这个宽矩阵，而非原始的长数据框。

这行代码的实际作用是：

1. 提取目标词token对应的那一行嵌入向量
2. 将该向量重复nrow(.)次（与矩阵行数一致），生成一个和原矩阵维度完全相同的矩阵，这样就能和原矩阵进行逐元素相乘（对应余弦相似度计算的分子部分）

单独执行出现NA的原因 #

你直接在tidy_pmi（长格式，每行仅包含一个词汇、一个维度及对应值）上执行tidy_pmi %>% .[rep("πρότερος", nrow(.)), ]时，本质是用字符向量作为行索引取行，但长数据框的行索引是整数，字符索引无法匹配到对应行，因此返回大量NA。

替代写法 #

可以把这行代码改成更直观的形式，避免依赖重复索引的技巧，效果和原代码完全一致：

# 替代写法1：提取目标行后按行数重复生成矩阵
y <- matrix(.[token, ], nrow = nrow(.), ncol = ncol(.), byrow = TRUE)

# 替代写法2：利用行索引重复实现广播
y <- .[token, ][rep(1, nrow(.)), ]

内容的提问来源于stack exchange，提问作者LocusClassicus