R语言中的常用函数



运用R软件中的Rwordseg完成中文分词

Rwordseg包使用rJava中文分词工具Ansj来实现，Ansj是基于中科院ictlas中文分词算法的开源工具。Rwordseg包依赖于rJava和java环境，所以安装前需要安装好JRE。在导入该包是需要编辑java环境变量，可以在R中直接设定当前JRE环境变量：

Sys.setenv(JAVA_HOME='C:/Program Files/Java/jre7')   #设置JRE的安装目录

library(rJava)
library(Rwordseg)

weibo <- "技术的作用从短期的来看往往被高估，但是从长期来看，又往往容易被低估，转的，认为有道理最后一次，思考，思考"

weiboseg <-  segmentCN(weibo,nature=T)

weiboseg 

      n           uj          n           p       b           uj       v         v         d           p          v             c           p       d
"技术"    "的" "作用"    "从" "短期"    "的"    "来"    "看" "往往"    "被" "高估" "但是"    "从" "长期"
        v       v         d         d           a           p         v           v         uj       v           v           n           f           m
  "来"    "看"    "又" "往往" "容易"    "被" "低估"    "转"    "的" "认为"    "有" "道理" "最后" "一次"
        v           v
"思考" "思考" 

在实际工作中，我们经常需要进行一些集合运算，在R中怎么实现呢？当然用不着写for或者while循环那么复杂了，R已经为我们提供了非常强大的集合运算系列函数，下面就简单的介绍一下这些函数(假设A,B,C为三个集合)：

#首先对集合A,B,C赋值
> A<-1:10
> B<-seq(5,15,2)
> C<-1:5
> #求A和B的并集
> union(A,B)
  [1]  1  2  3  4  5  6  7  8  9 10 11 13 15
> #求A和B的交集
> intersect(A,B)
[1] 5 7 9
> #求A-B
> setdiff(A,B)
[1]  1  2  3  4  6  8 10
> #求B-A
> setdiff(B,A)
[1] 11 13 15
> #检验集合A,B是否相同
> setequal(A,B)
[1] FALSE
> #检验元素12是否属于集合C
> is.element(12,C)
[1] FALSE
> #检验集合A是否包含C
> all(C%in%A)
[1] TRUE
> all(C%in%B)
[1] FALSE