R语言中生成corpus语料后调用summary函数报错求助

报错原因 #

该错误源于创建corpus时手动指定docvars的方式与quanteda内部处理逻辑冲突。data_char_ukimmig2010是命名字符向量，quanteda会自动将向量名称作为文档名，手动传入docvars = data.frame(party = names(data))时，触发了内部维度检查异常，导致条件判断中出现缺失的TRUE/FALSE值。

解决方法 #

提供两种可行修复方式：

方法1：自动生成文档变量后手动添加 #

无需在创建corpus时指定docvars，先完成转换再添加变量：

library(quanteda)
data <- data_char_ukimmig2010
# 直接创建corpus，自动使用向量名称作为文档名
data_corpus <- corpus(data)
# 为corpus添加party变量
docvars(data_corpus, "party") <- names(data)
# 正常调用summary
summary(data_corpus)

方法2：规范docvars的传入格式 #

确保docvars数据框的行数与文档数量完全匹配，同时指定行名与文档名一致：

library(quanteda)
data <- data_char_ukimmig2010
# 构建符合要求的docvars数据框
doc_vars <- data.frame(party = names(data), row.names = names(data))
# 创建corpus并传入规范后的docvars
data_corpus <- corpus(data, docvars = doc_vars)
summary(data_corpus)

验证结果 #

执行任意一种方法后，summary()均可正常输出包含party变量的文档统计信息，彻底解决条件判断中缺失TRUE/FALSE值的报错问题。

内容的提问来源于stack exchange，提问作者imdbreview