R语言如何编写循环批量统计不同数据表指定列的词频

实现逻辑 #

• 将所有待处理数据表归集为列表，避免逐个调用
• 把单表处理逻辑封装为可复用的自定义函数
• 用purrr包的批量映射能力一次性处理所有表

具体代码 #

首先加载依赖包：

library(dplyr)
library(tidytext)
library(purrr)

步骤1：批量归集数据表 #

如果你的15张表命名符合Table1到Table15的规律，可以直接从全局环境批量抓取：

# 匹配所有命名为Table加数字的表，存入列表
table_list <- mget(ls(pattern = "^Table\\d+$"))

如果表名没有规律，也可以手动构造列表：

table_list <- list(表1名 = 表1对象, 表2名 = 表2对象, ..., 表15名 = 表15对象)

步骤2：封装单表处理函数 #

把你原来的单表处理逻辑封装成函数：

count_word_freq <- function(input_df) {
  input_df %>%
    unnest_tokens(word, text) %>%
    anti_join(stop_words, by = "word") %>%
    count(word, sort = TRUE)
}

步骤3：批量执行处理 #

执行以下代码即可得到所有表的词频统计结果：

# 返回结果为列表，每个元素对应一张原表的词频统计结果
all_freq_result <- map(table_list, count_word_freq)

结果使用说明 #

• 要提取原Table1的词频结果，直接调用all_freq_result[["Table1"]]即可
• 如果你需要把所有表的词频结果合并为一张总表，额外新增列标记数据所属原表，可以改用map_dfr：

all_freq_combined <- map_dfr(table_list, count_word_freq, .id = "source_table")

内容的提问来源于stack exchange，提问作者Johanna