R語言：集合運算—小而美法則

集合運算的一般規(guī)則如下：
    union(x,y)    #求并集
    intersect(x,y)    #求交集
    setdiff(x,y)    #求屬于x而不屬于y的所有元素
    setequal(x,y)    #判斷x與y是否相等
    a %in% y    #判斷a是否為y中的元素
    choose(n, k)    #n個里面取k個的組合數(shù)
    combn(x,n)    #x中的元素每次取n個的所有組合
    combn(x,n,f)     #將這些組合用于指定函數(shù)f
[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    > x=c(1,4,5)  
    > y=c(2,4,8)  
    > union(x,y)    #求并集  
    [1] 1 4 5 2 8  
    > intersect(x,y)    #求交集  
    [1] 4  
    > setdiff(x,y)    #求屬于x而不屬于y的所有元素  
    [1] 1 5  
    > setequal(x,y)    #判斷x與y是否相等  
    [1] FALSE  
    > x %in% y    #判斷a是否為y中的元素  
    [1] FALSE  TRUE FALSE 
union(x,y)可以生成XY的并集，有一定的去重功能；
intersect代表交集，可以找出共有的，在文本挖掘中，詞和詞之間的對應關(guān)系；

setdiff代表去掉x中xy共有的地方；
x %in%y，這個管道函數(shù)很有意思，x中xy共有的為TURE，生成了一個邏輯向量，從而可以進行一些文檔匹配的操作。
類似的用法sqldf包中的union 也可以實現(xiàn)：
——————————————————————————————————————
1、情感分析中setdiff和x %in%y的用處
    功能：停用詞的清理&詞庫之間相互匹配。stopword是停用詞庫，testterm是原序列。
[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    stopword <- read.csv("F:/R語言/R語言與文本挖掘/情感分析/數(shù)據(jù)/dict/stopword.csv", header = T, sep = ",", stringsAsFactors = F)  
    #結(jié)果是一個和stopword等長的波爾值向量，“非”函數(shù)將布爾值反向  
    testterm <- testterm[!testterm$term %in% stopword,]#去除停用詞 
[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    stopword <- read.csv("F:/R語言/R語言與文本挖掘/情感分析/數(shù)據(jù)/dict/stopword.csv", header = T, sep = ",", stringsAsFactors = F)  
    stopword <- setdiff(stopword$term,posneg$term)  
    testterm<- setdiff(testterm$term,stopword) 
上面兩端代碼能實現(xiàn)同樣的效果。
——————————————————————————————————————
2、集合運算應用在數(shù)據(jù)匹配之上
      集合運算可以較好地應用在數(shù)據(jù)之間的匹配。而匹配中，%in%的效率最高。是一個很好的匹配的媒介。一些情況要由于merge
——————————————————————————————
3、相等運算
[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    identical(rownames(dtm_train), train$id) 
返回的是邏輯值，如果相等則TRUE。就是apply(x,1,scale)