Error in df_new %>% unnest(评价内容) %>% na.omit() %>% filter(nchar(评价内容) > : 没有"%>%"这个函数

`%>%`是`magrittr`包中的管道运算符，需要先加载该包才能使用。你可以在代码开头加上`library(magrittr)`来加载该包，然后再运行这段代码，例如：

library(magrittr)
df_new %>% unnest(评价内容) %>% na.omit() %>% filter(nchar(评价内容) > 0)

这样就可以避免出现没有"%>%"这个函数的错误提示了。

相关问题

# 分词，并过滤停用词 stop_words <- stop_words$word comments_words <- comments_df_clean$content %>% unnest_tokens(word, content) %>% anti_join(stop_words)，优化代码，使其可以读取字符型数据

可以使用以下代码来进行分词并过滤停用词，同时支持读取字符型数据：

library(tidytext)
library(dplyr)

# 读取停用词表
stop_words <- data.frame(word = stopwords("en"))

# 读取数据并进行清洗
comments_df <- read.csv("comments.csv", stringsAsFactors = FALSE)
comments_df_clean <- comments_df %>% 
  filter(!is.na(content)) %>% 
  mutate(content = tolower(content)) %>% 
  mutate(content = gsub("[^[:alnum:] ]", " ", content)) %>% 
  mutate(content = gsub("\\s+", " ", content))

# 分词并过滤停用词
comments_words <- comments_df_clean$content %>% 
  unnest_tokens(word, content) %>%
  anti_join(stop_words, by = "word")

其中，`read.csv()`函数用于读取CSV文件，`stringsAsFactors = FALSE`参数指定字符型数据不转换为因子型。`filter()`函数用于过滤空值，`tolower()`函数用于将文本转换为小写，`gsub()`函数用于替换不需要的字符，`unnest_tokens()`函数用于将文本分词，`anti_join()`函数用于过滤停用词。

Error in unnest(., 评价内容) : 没有"unnest"这个函数

`unnest()`函数是`tidyr`包中的函数，需要先加载该包才能使用。你可以在代码开头加上`library(tidyr)`来加载该包，然后再运行这段代码，例如：

library(tidyr)
df_new %>% unnest(评价内容)

这样就可以避免出现没有"unnest"这个函数的错误提示了。