[R-es] Loop sobre muchos data frames

[Oscar Benitez]

Jorge, estimados colaboradores de R-help

Estuve tratando de utilizar un script para uno de los pasos en mi análisis,
que es transformar cada uno de los corpus en mi espacio de trabajo en un
objeto TermDocumentMatrix

Tengo un vector llamado bNames que lista todos los corpus que quiero pasar
a TDM, y construí los siguientes comandos:

tdm.n1 <- vector('list', length = length(bNames))

for(i in seq_along(tdm.n1)){
  tdm.n1.[[i]] <-
TermDocumentMatrix(bNames[[i]],control=list(tokenize=nGram1Tok))
}

pero obtengo el siguiente error:

Error in UseMethod("TermDocumentMatrix", x) :
  no applicable method for 'TermDocumentMatrix' applied to an object of
class "character"

entonces revisé qué es lo que bNames[[i]] le está pasando al for

bNames[[1]]
[1] "qB001"

Una cadena de texto, no el corpus llamado "qB001"!!, por eso obtengo el
error.
Alguien se le ocurre cómo hacer para que lea cada uno de los objetos en la
lista y se los pase de a uno a la función?
Muchas gracias por adelantado
Oscar






El 10 de abril de 2015, 11:28, Jorge I Velez <jorgeivanvelez en gmail.com>
escribió:

> Oscar,
>
> Cambia
>
> (l[i])
>
> por
>
> read.table(l[i])
>
> Olvide leer cada archivo en el codigo anterior.
>
> Saludos,
> Jorge.-
>
> 2015-04-11 0:02 GMT+10:00 Oscar Benitez <oscar.benitez1962 en gmail.com>:
>
>> Jorge
>> Gracias por el consejo. Aparentemente no lo estoy aplicando bien, pues el
>> objeto que obtengo no contiene lo que quiero.
>> Me explico, al ejecutar
>>
>> txt <- vector('list', length = length(names)) #names el el vector donde
>> ya tenía almacenada la lista de txt's
>> for(i in seq_along(txt)){
>>   txt[[i]] <- Corpus(VectorSource(names[i]))
>> }
>>
>> obtengo el objeto txt:
>> > class(txt)
>> [1] "list"
>>
>> si extraigo solamente el primer objeto de esa lista:
>> > txt[[1]]
>> <<VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>>
>>
>> si quiero ver el contenido del primer copus
>>
>> > inspect(txt[[1]])
>> <<VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>>
>>
>> [[1]]
>> <<PlainTextDocument (metadata: 7)>>
>> qB001.txt
>>
>> me informa cosas sobre el objeto, pero los datos no están allí... debería
>> mostrarme algo así como:
>>
>> inspect(cbD02[1:1]) #inspecciono el corpus cbD120, creado a mano por la
>> sentencia cbD120<-Corpus(VectorSource(qT120))
>>
>> #......contenido del corpus......
>> I went to go see some gypsy to tell me my future, but she asked for my
>> photograph instead.
>> itz me the one who was talkin to u last time !!!
>> starts at 4pm. come get sunny munny :)
>> kind of scary to imagine what needs military wiping!!!!
>> #.....más.contenido del corpus......
>>
>>
>> si quiero aplicarle un función propia de limpieza de corpus, por ejemplo
>> eliminar los números presentes en el corpus
>> > tm_map(txt[[1]], removeNumbers)
>> <<VCorpus (documents: 1, metadata (corpus/indexed): 0/0)>>
>>
>> no hace nada de nada...
>>
>> Saludos
>>
>> Oscar
>>
>>
>>
>>
>>
>> El 10 de abril de 2015, 1:15, Jorge I Velez <jorgeivanvelez en gmail.com>
>> escribió:
>>
>>> Oscar,
>>>
>>> Una forma de trabajar con este tipo de archivos es utilizando listas:
>>>
>>> # directorio del proyecto
>>> setwd('~/proyecto')
>>>
>>> # archivos de texto
>>> l <- list.files(pattern = '.txt')
>>>
>>> # procesamiento
>>> txt <- vector('list', length = length(l))
>>> for(i in seq_along(txt)){
>>> txt[[i]] <- Corpus(VectorSource(l[i]))
>>> }
>>>
>>> # para acceder a la informacion del primero archivo, solo debes escribir
>>> txt[[1]]
>>>
>>>
>>> Espero sea de utilidad.
>>>
>>> Saludos,
>>> Jorge.-
>>>
>>>
>>> 2015-04-10 14:14 GMT+10:00 Oscar Benitez <oscar.benitez1962 en gmail.com>:
>>>
>>>> Hola a todos!
>>>> Estoy en un proyecto de text mining y por razones de los recursos con
>>>> que
>>>> cuento tuve que separar los archivos de texto de input del proyecto en
>>>> muchos archivos pequeños.
>>>> Luego de transformar cada uno de estos archivos en un corpus separado,
>>>> puedo aplicar limpieza sobre cada corpus, buscar n-gramas, construir
>>>> cada
>>>> termDocumentMatrix y finalmente reunir todo en una sola TDM.
>>>>
>>>> Pero estoy atorado en el paso de transformar cada uno de los archivos en
>>>> corpus mediante un loop. Es decir que en lugar de hacer esto infinitas
>>>> veces:
>>>>
>>>> #Librerias necesarias
>>>> library(tm)
>>>>
>>>> corpus_001<-Corpus(VectorSource(qBlog001))
>>>> corpus_002<-Corpus(VectorSource(qBlog002))
>>>> corpus_003<-Corpus(VectorSource(qBlog003))
>>>> .........
>>>> corpus_150<-Corpus(VectorSource(qBlog150))
>>>> ........
>>>>
>>>> quisiera poder armar un loop que haga el trabajo, como por ejemplo
>>>>
>>>>
>>>>
>>>> #lista con los nombres que quiero para cada corpus
>>>> c_names <- paste("corpus_",formatC(seq(length(bNames)),
>>>>                                                 width=3, flag="0"),
>>>> sep="")
>>>>
>>>> donde bNames es la lista de los df que tengo cargados "qBlog001"
>>>> "qBlog002"..."qBlog150"...
>>>>
>>>> algo así es lo que tengo en mente:
>>>>
>>>> for (i in bNames) {
>>>>   for (j in c_names) {
>>>>     j<- Corpus(VectorSource(i))
>>>>   }
>>>> }
>>>>
>>>> Pero no funciona, he probado con lapply, con sapply, con llply de la
>>>> librería (plyr) y no encuentro la manera de hacerlo..
>>>> Cualquier sugerencia sera bienvenida!
>>>> Muchas gracias por adelantado!
>>>>
>>>>
>>>> --
>>>> Oscar Benitez
>>>>
>>>>         [[alternative HTML version deleted]]
>>>>
>>>> _______________________________________________
>>>> R-help-es mailing list
>>>> R-help-es en r-project.org
>>>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>>>>
>>>
>>>
>>
>>
>> --
>> Oscar Benitez
>>
>
>
>


-- 
Oscar Benitez

	[[alternative HTML version deleted]]