使用 R 在列中搜索字符的最佳选择答案

【问题标题】：Best option to search for characters in a column using R使用 R 在列中搜索字符的最佳选择
【发布时间】：2021-10-16 05:44:17
【问题描述】：

我有一个包含不同代码 (ICD-10) 的列的 df。该列包含由 4 个字母数字字符组成的代码。我想仅根据前两个字符搜索特定代码。例如，如果这是列

codes = c("s001", "s1234", "s4g6", "T002", "T191","t985","s761","t17.5")

我想要它包含S0, S1, T0, T9, T1 的所有行，如果不存在，则将其分配为 1 和 0。我以前在 case_when 中使用过 %like%。但是，我想知道在 R.Thanks 中是否有有效的方法来做到这一点

【问题讨论】：

标签： r regex

【解决方案1】：

您也可以使用子字符串方法。使用substr 仅从codes 中提取前2 个字符，并将其与correct_values 进行比较。

codes = c("s001", "s1234", "s4g6", "T002", "T191","t985","s761","t17.5")

correct_values <- c("s0", "s1", "T0", "T9", "T1")

as.integer(substr(codes, 1, 2) %in% correct_values)
#[1] 1 1 0 1 1 0 0 0

【讨论】：

【解决方案2】：

grepl 的另一个选项

> +grepl("^([sT][01]|T9)", codes)
[1] 1 1 0 1 1 0 0 0

【讨论】：

【解决方案3】：

我们可以定义一个您想要检测的模式，然后使用str_detect 并将 1 分配给 TRUE，将 0 分配给 FALSE：

library(dplyr)
library(stringr)

# your dataframe with codes column
df <- data.frame(codes = c("s001", "s1234", "s4g6", 
                              "T002", "T191","t985",
                              "s761","t17.5"))

# define what you want to search for
search_pattern <- "S0|S1|T0|T9|T1"

# check with `str_detect`
df %>% 
    mutate(check = ifelse(str_detect(df$codes, search_pattern)==TRUE, 1, 0))

输出：

  codes check
1  s001     0
2 s1234     0
3  s4g6     0
4  T002     1
5  T191     1
6  t985     0
7  s761     0
8 t17.5     0

【讨论】：

【解决方案4】：

我们可以使用

+(grepl("^s[01]|^T[019]", codes))
[1] 1 1 0 1 1 0 0 0

【讨论】：

【解决方案5】：

使用grepl() 测试正则表达式并为任何以 s0、s1、T0、T1、T9 开头的字符串返回 true，否则返回 false。然后ifelse() 获取 TRUE 和 FALSE 的向量，并为 TRUE 分配 1，否则为 0。

codes <- c("s001", "s1234", "s4g6", "T002", "T191","t985","s761","t17.5")

ifelse(grepl("^s[01]|^T[019]", codes), 1, 0)

输出：

[1] 1 1 0 1 1 0 0 0

还可以：

as.numeric(grepl("^s[01]|^T[019]", codes))

【讨论】：

感谢您的回答。如果我正在搜索 S0,S1,S2,S3,S4，我可以使用 ifelse(grepl("^s[01234]") 吗？
是的，或者“^s[0-4]”以获得更高的效率