Tengo una base de datos basada en palabras individuales extraídas de comentarios. Supongamos el siguiente ejemplo que servirá de ejemplo de lo que tengo:
Comentario | Palabra 1 | Palabra 2 | Palabra 3 |
---|---|---|---|
Me gusta R | Me | gusta | R |
Me gusta programar | Me | gusta | programar |
Programar es divertido | Programar | es | divertido |
El caso es que tengo un diccionario con cada una de las palabras únicas en que se encuentran en esta matriz de palabras:
Palabras_diccionario |
---|
divertido |
es |
gusta |
me |
programar |
R |
Y aquí viene el desafío... ¿Cómo puedo hacer para crear una columna cuya variable se base en un código binario según la aparición de las palabras en el diccionario?
Mejor con un ejemplo. Basándonos en el diccionario y en la matriz creadas más arriba, la variable resultante sería la siguiente:
Comentario | Palabra 1 | Palabra 2 | Palabra 3 | Código |
---|---|---|---|---|
Me gusta R | Me | gusta | R | 001101 |
Me gusta programar | Me | gusta | programar | 001110 |
Programar es divertido | Programar | es | divertido | 110010 |
Como pueden ver, cada palabra del comentario lleva asignado un 0 o un 1 según su posición de aparición en el diccionario. El primer valor del código binario corresponde a la primera palabra del diccionario (en este caso 'divertido'). Como en el primer comentario esta palabra no aparece, en esta posición lleva asignado un 0.