如何在R中无需循环提取TDM数据框各列Top N词汇？

当然可以！在R里完全能不用循环实现这个需求，我给你分享两种高效的方法，都不需要写显式的for循环：

首先先构造你提供的示例数据，方便后续演示：

# 构造示例词频矩阵数据框
df <- data.frame(
  X1 = c(10, 3, 12, 1),
  X2 = c(18, 11, 10, 10),
  X3 = c(19, 0, 4, 3),
  X4 = c(36, 4, 8, 5),
  X5 = c(27, 0, 9, 5),
  X6 = c(53, 0, 1, 2),
  X7 = c(21, 2, 6, 4),
  X8 = c(17, 2, 15, 1),
  X9 = c(15, 2, 8, 0),
  X10 = c(59, 7, 15, 9),
  X11 = c(15, 2, 8, 0),
  X12 = c(21, 5, 10, 8),
  X13 = c(35, 9, 8, 5),
  X14 = c(19, 3, 2, 1),
  X15 = c(30, 2, 15, 11),
  X16 = c(27, 8, 9, 3),
  row.names = c("will", "poor", "country", "now")
)

方法一：用tidyverse工具包实现（推荐，可读性强） #

tidyverse的流水线操作能让你清晰地看到每一步的处理逻辑，完全避免循环：

library(tidyverse)

# 设置要提取的Top N数量，这里按你的需求设为3
top_n <- 3

# 核心处理流程
top_words <- df %>%
  # 把行名（词汇）转换成单独的列，方便后续操作
  rownames_to_column(var = "word") %>%
  # 将宽格式数据转为长格式，每一行对应「词汇-文档-词频」的组合
  pivot_longer(cols = -word, names_to = "document", values_to = "frequency") %>%
  # 按文档分组，对每个文档单独处理
  group_by(document) %>%
  # 按词频降序排序，提取前top_n个词汇（with_ties=FALSE避免并列时多取）
  slice_max(order_by = frequency, n = top_n, with_ties = FALSE) %>%
  # 按文档和词频排序，让结果更整洁
  arrange(document, desc(frequency))

# 查看结果
print(top_words)

这个方法的优势是逻辑清晰，后续如果要做可视化或者进一步分析，比如给每个文档的Top词汇画条形图，直接在流水线里加代码就行。

方法二：用基础R的apply函数实现 #

如果你不想加载额外的包，用基础R的apply系列函数也能实现，它属于隐式的向量化操作，不是显式循环：

# 定义一个函数：输入某一列（单个文档的词频），返回该文档的Top N词汇及对应值
get_top_n <- function(col, top_n = 3) {
  # 按词频降序排序，取前top_n个
  sorted_vals <- sort(col, decreasing = TRUE)[1:top_n]
  # 返回整理好的数据框
  data.frame(
    word = names(sorted_vals),
    document = colnames(df)[which(colnames(df) == deparse(substitute(col)))],
    frequency = sorted_vals,
    stringsAsFactors = FALSE
  )
}

# 对每一列（每个文档）应用上面的函数，然后合并所有结果
top_words <- do.call(rbind, apply(df, 2, get_top_n, top_n = 3))
# 按文档排序，让结果更易读
top_words <- top_words[order(top_words$document), ]

# 查看结果
print(top_words)

两种方法都能得到你想要的结果，比如针对X1列，会返回country(12)、will(10)、poor(3)这三个Top3词汇及其词频。

内容的提问来源于stack exchange，提问作者Murali