我剛剛開始使用r中的文本分析。通過閱讀一些示例文本數據，我得到以下結果。如何在文本數據中正確讀取

sms_raw <- read.csv("sms_spam.csv", stringsAsFactors = FALSE) 
> str(sms_raw) 
'data.frame': 5559 obs. of 2 variables: 
$ type   : chr "ham" "ham" "ham" "spam,\"complimentary 4 STAR Ibiza 
Holiday or Â£10,000 cash needs your URGENT collection. 09066364349 NOW from 
Landline not to l"| __truncated__ ... 
$ text.........: chr "Hope you are having a good week. Just checking 
in;;;;;;;;;" "K..give back my thanks.;;;;;;;;;" "Am also doing in cbe only. 
But have to pay.;;;;;;;;;" "" ...

在我看來，好像變量沒有正確分離。用頭功能進一步分析數據我得到以下結果：

head(sms_raw) 

type 
1                                          
ham 
2                                          
ham 
3                                          
ham 
4 spam,"complimentary 4 STAR Ibiza Holiday or Â£10,000 cash needs your 
URGENT collection. 09066364349 NOW from Landline not to lose out! 
Box434SK38WP150PPM18+";;;;;;;;; 
5                                         
spam 
6                                          
ham 

text......... 
1                             
Hope you are having a good week. Just checking in;;;;;;;;; 
2                                   
K..give back my thanks.;;;;;;;;; 
3                              
Am also doing in cbe only. But have to pay.;;;;;;;;;

有沒有人有建議如何解決這個問題？

來源

2017-06-05 nikinew1

這將有助於增加csv文件 – amonk

類型，文本火腿幾行，希望你有一個很好的周。只要在火腿檢查，我也只在cbe做。但必須支付。垃圾郵件，「免費4星級Ibiza假日或£10,000英鎊現金需要您的緊急收藏09066364349現在從固定電話不輸掉！Box434SK38WP150PPM18 +」垃圾郵件，okmail：親愛的戴夫這是您的最後通知，收集您的4 *特內里費度假或＃5000現金獎勵！從座機撥打09061743806。 TCs SAE Box326 CW25WX 150ppm 火腿，Aiya我們稍後再討論...在4挑選你是嗎？火腿，你是這麼多012 火腿，請問媽媽打電話給父親 – nikinew1

我不明白標題。你能發佈第一條線嗎？ – amonk

嘗試data.table::fread("sms_spam.csv", stringsAsFactors = FALSE,sep=";")

編輯

你可以試試： input_file<-readLines("/path/of/sms_spam.csv")

來源

2017-06-05 14:17:12 amonk

'stringsAsFactors = FALSE'是默認''fread'，所以沒有必要包含它（它不會傷害，雖然;-)） – Jaap

我試過了。不幸的是它沒有奏效。我收到一條巨大的警告信息。同樣，當用str函數進一步分析數據時，我突然得到10個變量，而不是我想分析的兩個變量 – nikinew1

添加警告，併發送鏈接到csv – amonk

如何在文本數據中正確讀取

回答

編輯

相關問題