R语言提取DataFrame指定列目标词报错，求解决方法

你遇到的Error in strsplit(df$text, "\\s") : non-character argument错误，核心原因是你的df$text列默认是因子（factor）类型，而strsplit只接受字符型（character）输入。另外，你的代码目前只处理了第一行文本（[[1]]），没法批量处理整列，我来一步步帮你解决：

第一步：修正数据类型 #

创建DataFrame的时候，R默认会把字符串列转成因子，你可以在创建时加上stringsAsFactors = FALSE来保留字符类型：

df <- data.frame(
  text = c("Hi this is an example", "Hi this is an example", "Hi this is an example", "Hi this is an example"),
  stringsAsFactors = FALSE
)

如果已经创建好了DataFrame，也可以事后把列转成字符型：

df$text <- as.character(df$text)

第二步：批量处理整列文本 #

原来的代码只取了strsplit结果的第一个元素（[[1]]），要处理每一行的话，需要用批量处理函数：

方法1：Base R实现 #

用apply函数遍历每一行文本，完成匹配和拼接：

words <- c("this", "is", "an", "example")
df$matched_words <- apply(df["text"], 1, function(x) {
  paste(intersect(strsplit(x, "\\s")[[1]], words), collapse = " ")
})

方法2：Tidyverse风格实现 #

如果你习惯用tidyverse工具链，用purrr::map_chr配合dplyr::mutate会更简洁：

library(purrr)
library(dplyr)

df <- df %>%
  mutate(matched_words = map_chr(text, ~ paste(intersect(strsplit(.x, "\\s")[[1]], words), collapse = " ")))

运行后，你的df会新增一列matched_words，每一行都是对应文本里匹配到的指定词汇拼接成的字符串。

内容的提问来源于stack exchange，提问作者user8831872