R中按大学分组计算词对pairwise_cor并保留分组列的方法

首先确保你使用的是widyr和dplyr包的最新版本，然后按以下步骤操作：

1. 正确分组计算词对相关性 #

假设你的数据集df包含Universidad（大学）、palabra（单词）、document（文档ID，用于标识单词所属的文档）三列，执行以下代码：

library(dplyr)
library(widyr)

# 按大学分组，计算词对相关性
cor_df <- df %>%
  group_by(Universidad) %>%
  pairwise_cor(
    item = palabra,          # 要计算相关性的项（单词）
    feature = document,      # 关联单词的特征（文档，确保同文档内的词被匹配）
    sort = TRUE,             # 按相关性排序
    upper = FALSE            # 避免重复的词对（如A-B和B-A只保留一个）
  )

执行后cor_df会包含Universidad、item1、item2、correlation四列，完全符合你的需求。

2. 旧版本兼容方案 #

如果上述代码没有保留Universidad列，可能是widyr版本问题，改用do()函数包裹计算逻辑：

cor_df <- df %>%
  group_by(Universidad) %>%
  do(
    pairwise_cor(
      data = .,
      item = palabra,
      feature = document,
      sort = TRUE
    )
  )

3. 用ggraph绘制分大学的词共现图 #

得到目标数据集后，就可以结合ggraph和igraph绘制分面的词共现关系图：

library(ggraph)
library(igraph)

cor_df %>%
  filter(correlation > 0.3) %>%  # 过滤出相关性较高的词对（阈值可调整）
  graph_from_data_frame() %>%
  ggraph(layout = "fr") +
  geom_edge_link(aes(edge_alpha = correlation, edge_width = correlation)) +
  geom_node_point(size = 5, color = "#2c3e50") +
  geom_node_text(aes(label = name), repel = TRUE, color = "#2c3e50") +
  facet_wrap(~Universidad) +  # 按大学分面展示
  theme_void()

问题原因说明 #

pairwise_count能保留分组列是因为它的逻辑在分组处理时默认保留分组变量，而部分旧版widyr的pairwise_cor可能存在分组变量丢失的问题，通过上述两种分组计算方式就能解决。

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