当存在较短版本时，在 R 中排除字符串中的字符

【问题标题】：In R exclude character in string when shorter version exists当存在较短版本时，在 R 中排除字符串中的字符
【发布时间】：2021-01-10 13:02:49
【问题描述】：

数据只是一个玩具示例。 have 中的每个字符都有字母。如果较短的字符包含 n-1 个字母，我想排除字符。例如，ADB 被排除在外，因为我们有 AB。 ADE 被保留是因为我们没有 AD AE 或 DE。

have <- c('A,B', 'B,C', 'A,D,B', 'A,B,E', 'A,D,E')
want <- c('A,B', 'B,C', 'A,D,E')

我知道grepl 可能有用，但我不确定如何以计算效率高的方式执行此操作。

【问题讨论】：

标签： r regex grepl

【解决方案1】：

这是拆分字符串的一种方法。

#Split the string on comma
tmp <- strsplit(have, ',')
#Iterate over the index of tmp
have[!sapply(seq_along(tmp), function(x) {
  one <- tmp[[x]]
  any(sapply(tmp[-x], function(y) sum(one %in% y)) >= (length(one) - 1) & 
      lengths(tmp[-x]) < length(one))
})]

#[1] "A,B"   "B,C"   "A,D,E"

sum(one %in% y) 计算当前字符串中有多少个字符出现在另一个字符串中。
>= (length(one) - 1) 确保 n-1 of the letters 条件。
lengths(tmp[-x]) < length(one) 确保它更短。

【讨论】：