4.2.2. Building Multiple tables
French panel
The French multiple table has the same eight row-documents (wines) and 262 column-global words.
TMulFr15 <- do.call(cbind, lapply(lapply(1:length(res.TD.Fr.list), function(i) as.matrix(res.TD.Fr.list[[i]]$DocTerm)), unlist))
We can see the 262 column-global words
cat(t(colnames(TMulFr15)))
acidité animal boisé caramel carton curieux défaut doux épice étable final fraîcheur fruit généreux gras humide lactique limite matière mûr neuf particulier souple bois boisé caramel complexe épice évent puissant toasté très végétal boisé crayon encens équilibré extrême fondu fort fruité plus taille tanin ample animal boisé compoté défaut épice équilibré évent évolution farineux fin frais fruit fruité garrigue gouleyant mou plat réduction sec sucrosité tanin type vin acide boisé charpenté fruité léger neutre souple tannique amer astringent carignan épicé jeune mûr peutannique rafle végétal acétate alcool animal asséchant bois bouche charpenté dominé évolué évolution fin final finale fondu fraîche fraîcheur fruit fruité fumée gourmand grillé kirché léger mûr nez plus présent pruneau puissant râpeux réglisse rond souple structuré sucrée tanin vanillé vin attendre boisé degarde équilibré évolué fruité jeune long nonboisé petitegarde puissant tannique très trop amertume ample animal boisé charpenté dur épicé évent fruit lacté lactique long manquedefondu mûr mûre présent puissant réglisse rouge sec sécheresse tanin toasté très vanillé velouté agréable astringent bois boisé bon bouche concentration concentré épice équilibre équilibré finale fondu fruit fruité lacté léger minéral mûr nez nonboisé olive peu prédominance prononcé souple touche très vanillé agrume alcool aspect cuit cyste emy fruit garrigue léger longueur noir nonboisé résine sucrosité tanin tannique vanillé velouté vif acidulé bois boisé cerise chaleureux floral fruité moins mûr neuf noir vin acidité alcool asséchant astringence astringent boisé cassis confituré équilibre floral fraîcheur fruité gras grenache long longueur minéral puissance puissant tannique toasté asséchant beau bois chair dominé équilibré onctueux plus rond souple tanin très agressif bois fruit mûr tannique vert
Some of them are used by different French judges:
res.w <- data.frame(table(colnames(TMulFr15)))
res.w <- res.w[res.w$Freq>1,]
res.w[order(res.w$Freq, decreasing=TRUE),]
Var1 Freq
20 boisé 10
67 fruité 8
66 fruit 7
90 mûr 7
19 bois 6
125 tanin 6
50 équilibré 5
110 puissant 5
120 souple 5
126 tannique 5
129 très 5
12 animal 4
47 épice 4
81 léger 4
132 vanillé 4
8 alcool 3
14 asséchant 3
16 astringent 3
30 charpenté 3
52 évent 3
61 fondu 3
64 fraîcheur 3
83 long 3
96 nonboisé 3
104 plus 3
127 toasté 3
137 vin 3
3 acidité 2
11 ample 2
22 bouche 2
23 caramel 2
40 défaut 2
42 dominé 2
48 épicé 2
49 équilibre 2
53 évolué 2
54 évolution 2
57 fin 2
58 final 2
59 finale 2
60 floral 2
69 garrigue 2
73 gras 2
77 jeune 2
79 lacté 2
80 lactique 2
84 longueur 2
87 minéral 2
92 neuf 2
94 nez 2
95 noir 2
106 présent 2
114 réglisse 2
116 rond 2
118 sec 2
123 sucrosité 2
133 végétal 2
134 velouté 2
We will number each repeated word to build the Multiple Table for the 15 French judges:
TMulFr15 <- data.frame(TMulFr15, check.names=TRUE)
res.w2 <- (t(colnames(TMulFr15)))
cat(sort(res.w2))
acétate acide acidité acidité.1 acidulé agréable agressif agrume alcool alcool.1 alcool.2 amer amertume ample ample.1 animal animal.1 animal.2 animal.3 aspect asséchant asséchant.1 asséchant.2 astringence astringent astringent.1 astringent.2 attendre beau bois bois.1 bois.2 bois.3 bois.4 bois.5 boisé boisé.1 boisé.2 boisé.3 boisé.4 boisé.5 boisé.6 boisé.7 boisé.8 boisé.9 bon bouche bouche.1 caramel caramel.1 carignan carton cassis cerise chair chaleureux charpenté charpenté.1 charpenté.2 complexe compoté concentration concentré confituré crayon cuit curieux cyste défaut défaut.1 degarde dominé dominé.1 doux dur emy encens épice épicé épice.1 épicé.1 épice.2 épice.3 équilibre équilibré équilibre.1 équilibré.1 équilibré.2 équilibré.3 équilibré.4 étable évent évent.1 évent.2 évolué évolué.1 évolution évolution.1 extrême farineux fin fin.1 final final.1 finale finale.1 floral floral.1 fondu fondu.1 fondu.2 fort fraîche fraîcheur fraîcheur.1 fraîcheur.2 frais fruit fruit.1 fruit.2 fruit.3 fruit.4 fruit.5 fruit.6 fruité fruité.1 fruité.2 fruité.3 fruité.4 fruité.5 fruité.6 fruité.7 fumée garrigue garrigue.1 généreux gouleyant gourmand gras gras.1 grenache grillé humide jeune jeune.1 kirché lacté lacté.1 lactique lactique.1 léger léger.1 léger.2 léger.3 limite long long.1 long.2 longueur longueur.1 manquedefondu matière minéral minéral.1 moins mou mûr mûr.1 mûr.2 mûr.3 mûr.4 mûr.5 mûr.6 mûre neuf neuf.1 neutre nez nez.1 noir noir.1 nonboisé nonboisé.1 nonboisé.2 olive onctueux particulier petitegarde peu peutannique plat plus plus.1 plus.2 prédominance présent présent.1 prononcé pruneau puissance puissant puissant.1 puissant.2 puissant.3 puissant.4 rafle râpeux réduction réglisse réglisse.1 résine rond rond.1 rouge sec sec.1 sécheresse souple souple.1 souple.2 souple.3 souple.4 structuré sucrée sucrosité sucrosité.1 taille tanin tanin.1 tanin.2 tanin.3 tanin.4 tanin.5 tannique tannique.1 tannique.2 tannique.3 tannique.4 toasté toasté.1 toasté.2 touche très très.1 très.2 très.3 très.4 trop type vanillé vanillé.1 vanillé.2 vanillé.3 végétal végétal.1 velouté velouté.1 vert vif vin vin.1 vin.2
To build the Multiple table for the 15 French judges from the res.Fr.List only need run the following (262 words):
TMulFr15 <- do.call(cbind, lapply(lapply(1:length(res.TD.Fr.list), function(i) as.matrix(res.TD.Fr.list[[i]]$DocTerm)),unlist))
TMulFr15 <- data.frame(TMulFr15, check.names=TRUE)
cat(dim(TMulFr15))
8 262
To do the same for the 9 Catalan judges (131 words):
TMulCat9 <- do.call(cbind, lapply(lapply(1:length(res.TD.Cat.list), function(i) as.matrix(res.TD.Cat.list[[i]]$DocTerm)), unlist))
TMulCat9 <- data.frame(TMulCat9, check.names=TRUE)
cat(dim(TMulCat9))
8 131To row join the two data frames (262+131=393 words):
TMul24 <- cbind(TMulFr15, TMulCat9)
cat(dim(TMul24))
8 393
Catalan panel
To do the same for the 9 Catalan judges (131 words):
TMulCat9 <- do.call(cbind, lapply(lapply(1:length(res.TD.Cat.list), function(i) as.matrix(res.TD.Cat.list[[i]]$DocTerm)), unlist))
TMulCat9 <- data.frame(TMulCat9, check.names=TRUE)
cat(dim(TMulCat9))
8 131To row join the two data frames (262+131=393 words):
TMul24 <- cbind(TMulFr15, TMulCat9)
cat(dim(TMul24))
8 393