Nota: Si es necesario incluir todo el código, háganmelo saber por favor, ya que me cuesta mucho pensar en cómo hacer un ejemplo reproducible.
Básicamente tengo una matriz como esta pero que contiene un total de 1037 renglones:
head(dtc, 20)
Docs
Terms 1 2 3
911 5 0 0
abandonadas 1 0 0
abierto 1 0 0
abrir 1 0 0
abuelos 1 0 0
acaba 1 0 0
acabar 1 0 0
acabe 2 0 0
acceso 1 0 0
accesos 1 0 0
accidentes 1 0 0
accion 3 0 0
acciones 1 0 0
acesinatos 1 0 0
acorde 1 0 0
actividades 5 0 0
actualidad 1 0 0
actualmente 1 0 0
actuar 1 0 0
acudan 1 0 0
Lo que deseo es obtener quitar las columnas Docs 2 y 3 y ordenar Docs 1 de mayor a menor con el fin de hacer un análisis de clusters. Sin embargo, puede verse la estructura poco convencional de esta matriz:
> str(dtc)
num [1:1037, 1:3] 5 1 1 1 1 1 1 2 1 1 ...
- attr(*, "dimnames")=List of 2
..$ Terms: chr [1:1037] "911" "abandonadas" "abierto" "abrir" ...
..$ Docs : chr [1:3] "1" "2" "3"
Lo que no me permite ingresar a los índices. Por ejemplo:
dtc[order(dtc$Terms, decreasing=T),]
Error in dtc$Terms : $ operator is invalid for atomic vectors
dtc[order(dtc["Terms",], decreasing=T),]
Error in dtc["Terms", ] : subíndice fuera de los límites
Por otra parte, intenté lo siguiente:
dtc <- as.data.frame(dtc) %>%
rename_at(1, function(x) "n") %>% ##Se renombra ya que para usar arrange no se permiten números
select(-3,-4) %>%
arrange(desc(n)) %>%
as.matrix()
Pero sólo obtengo
> head(dtc)
n 2
[1,] 175 0
[2,] 146 0
[3,] 55 0
[4,] 48 0
[5,] 33 0
[6,] 31 0
Es decir, que los nombres de renglones se perdieron.
Fundamentalmente, me interesa llegar a algo como esto:
> dtc <- as.matrix(inspect(dtmcons))
<<TermDocumentMatrix (terms: 1037, documents: 3)>>
Non-/sparse entries: 1040/2071
Sparsity : 67%
Maximal term length: 18
Weighting : term frequency (tf)
Sample :
Docs
Terms 1 2 3
apoyo 31 0 0
delincuencia 48 0 0
gobierno 23 0 0
inseguridad 175 0 0
municipio 33 0 0
policia 146 0 0
robos 25 0 0
rondines 25 0 0
valores 25 0 0
vigilancia 55 0 0
Pero con más términos (20, 30, por ejemplo) para después utilizar la función dist
y las relacionadas con análisis de cluster.
Agradezco de antemano cualquier comentario y orientación.