具有动态搜索模式的 R grepl答案

【问题标题】：R grepl with dynamic search pattern具有动态搜索模式的 R grepl
【发布时间】：2021-10-23 13:33:18
【问题描述】：

我有一个数据框df，它有一列不同的名称。我有可变数据框，例如search_df 或 search_df1 包含我想在名称列中通过正则表达式搜索的搜索词。如果找到该单词，请将其写入新列，例如df_final$which_word_search_df。如果找到多个单词，我想将结果粘贴在一起。结果应该类似于df_final。

# load packages
pacman::p_load(tidyverse)

# words I would like to search for
search_df <- data.frame(search_words = c("apple", "peach"))
search_df1 <- data.frame(search_words = c("strawberry", "peach", "banana"))

# data frame which is the basis for my search
df <- data.frame(name = c("apple123", "applepeach", "peachtime", "peachab", "bananarrr", "bananaxy"))

# how I expect the final result to look like
df_final <- data.frame(name = c("apple123", "applepeach", "peachtime", "peachab", "bananarrr", "bananaxy"),
                       which_word_search_df = c("apple", "apple; peach", "peach", "peach", NA, NA),
                       which_word_search_df1 = c(NA, NA, "peach", "peach", "banana", "banana"))

这是我目前的解决方案，但您可以看到它不是动态的。我手动输入每个搜索词，而不是自动遍历所有搜索词。

df_trial <- df %>% 
  mutate(which_search_word_trial = ifelse(grepl("apple", name, ignore.case = T), "apple", ""),
         which_search_word_trial = ifelse(grepl("peach", name, ignore.case = T), 
                                          paste(which_search_word_trial, "peach", sep = ";"), which_search_word_trial)
  )

我分享的例子只是一个最小的例子。对于实际用例，df 将有 ~200k 行，而我的 search_df 将有 ~1k 行。

【问题讨论】：

标签： r dplyr grepl

【解决方案1】：

我们可以做到以下几点。

library(dplyr)
library(stringr)

df %>%
  mutate(which_word_search_df = str_extract_all(name,str_c(search_df$search_words, collapse = '|')),
         which_word_search_df1 = str_extract_all(name, str_c(search_df1$search_words, collapse = '|')))

#         name which_word_search_df which_word_search_df1
# 1   apple123                apple                      
# 2 applepeach         apple, peach                 peach
# 3  peachtime                peach                 peach
# 4    peachab                peach                 peach
# 5  bananarrr                                     banana
# 6   bananaxy                                     banana

【讨论】：

【解决方案2】：

使用您的 df 作为输入（而不是 df_final）：这是通过提供搜索数据框的名称的“自动”方式：

n = c('search_df','search_df1')

for(i in n){
  a= (lapply(get(i)$search_word, function(j){grep(j, df$name)}))
  a=stack(setNames(a,get(i)$search_word))
  df[,paste0('which_word_',i)]=NA
  df[a$values,paste0('which_word_',i)]=as.character(a$ind)
}

输出直接存储在df 中，但您可以通过将df 复制到final_df 来轻松更改它，然后在最后两行中使用这个。

输出：

       name which_word_search_df which_word_search_df1
1  apple123                apple                  <NA>
2  applebum                apple                  <NA>
3 peachtime                peach                 peach
4   peachab                peach                 peach
5 bananarrr                 <NA>                banana
6  bananaxy                 <NA>                banana

让我知道它是否适合你

【讨论】：