我正在嘗試爲機器學習準備一個數據集。在這個過程中，我想刪除（停止）出現次數很少的字詞（通常與糟糕的OCR讀數有關）。目前，我有一個包含大約1兆字的單詞列表，我想刪除它。 但是，使用此設置處理我的數據集需要很長時間。 library(stringi)
#generate the stopword list
b <- stri_rand_strings(1000000, 4, pattern =
我試圖將字符串轉換爲數字，並且遇到一些意外的行爲str_replace。這裏有一個最低工作例如： library(stringr)
x <- c("0", "NULL", "0")
# This works, i.e. 0 NA 0
as.numeric(str_replace(x, "NULL", ""))
# This doesn't, i.e. NA NA NA
as.nume
我想提取Twitter的前兩個單詞@Handle x <- c("this is a @handle", "My name is @handle", "this string has @more than one @handle")
執行以下操作提取所有最後 @Handle只有前面的文字，我需要它的所有@處理 (ext <- stringr::str_extract_all(x, "^.*@"