R语言rpart函数报错：数据框使用'.'时存在重复名称'X.'

这个错误的核心原因是数据框中存在重复列名，当你用~.（表示使用所有列作为特征）构建模型公式时，R的公式解析器无法处理重复列名，从而抛出该错误。结合你的代码，问题出在DocumentTermMatrix转换为数据框后，即使使用了make.names，仍可能存在重复的列名（尤其是那些被转成X.开头的列）。

解决方案：确保列名唯一 #

最直接的方法是用make.unique函数处理列名，它会自动为重复列名添加唯一后缀（如.1、.2），彻底解决重复问题。修改你的代码如下：

dataset <- as.data.frame(as.matrix(datadtm))
# 先转成合法列名，再确保所有列名唯一
colnames(dataset) <- make.unique(make.names(colnames(dataset)))
dataset$airline_sentiment <- tweets$airline_sentiment

额外检查步骤（可选） #

如果你想确认是否真的存在重复列名，可以在处理前添加以下代码验证：

# 检查是否有重复列名
any(duplicated(colnames(dataset)))
# 查看具体重复的列名
colnames(dataset)[duplicated(colnames(dataset))]

其他优化建议 #

1. 完善语料预处理：在生成DocumentTermMatrix前，做好文本预处理（去停用词、词干化、去除特殊字符等），从根源减少重复词项的生成。例如：

corpus <- VCorpus(VectorSource(tweets$text))
corpus <- tm_map(corpus, content_transformer(tolower))
corpus <- tm_map(corpus, removePunctuation)
corpus <- tm_map(corpus, removeNumbers)
corpus <- tm_map(corpus, removeWords, stopwords("english"))
corpus <- tm_map(corpus, stemDocument)

（注：你的代码中缺少语料库创建的完整步骤，建议补充上述预处理流程）

2. 手动指定特征列：如果不想处理列名，也可以明确列出模型使用的特征列，排除重复列，但这种方法不如直接处理列名高效。

内容的提问来源于stack exchange，提问作者masuzo