r中另一个数据框中的部分字符串匹配答案

【问题标题】：Partial string match in another dataframe in rr中另一个数据框中的部分字符串匹配
【发布时间】：2020-11-25 00:35:36
【问题描述】：

有没有办法可以找到从 df_2 到 df_1 的所有部分匹配项？

部分匹配（如果 DF_1 字符串的一部分在 DF_2 的整个字符串中）例如，“for solution”的一部分在“solution”的整个字符串中

df_1=data.frame(
  DF_1=c("suspension","tablet","for solution","capsule")
)

df_2=data.frame(
  index=c("1","2","3","4","5"),
  DF_2=c("for suspension", "suspension", "solution", "tablet,ER","tablet,IR")
)

df_out=data.frame(
  DF_1=c("suspension","suspension","tablet","tablet","for solution"),
  DF_2=c("for suspension", "suspension","tablet,ER","tablet,IR","solution"),
  index=c("1","2","4","5","3")
)

【问题讨论】：

如何定义部分匹配？根据您的示例，是“df_a 中的字符串链完全包含在 df_b 中”吗？
这能回答你的问题吗？ Test if characters are in a string
@Arault，我在上面定义了部分匹配。如果我在 DF_1 中的部分字符串在 DF_2 中。例如，“解决方案”的一部分在“解决方案”中，所以这是匹配的。
@Ashti 在这种情况下，“解决方案”不应该与“暂停”合并吗？两者都有“for”
否，因为“for solution”的一部分在“solution”作为一个整体，而不是“for suspend”作为一个整体字符串。

标签： r dplyr match

【解决方案1】：

我们可以使用fuzzyjoin

library(fuzzyjoin)
regex_left_join(df_2, df_1, by = c("DF_2"= "DF_1"))

【讨论】：

谢谢！这没有返回其中一行的匹配项。

【解决方案2】：

遵循@Akrun 建议使用fuzzyjoin

根据你预期的输出，你想加入两次，你想执行inner_join。最后，如果存在完美匹配，您将匹配两次，这就是您要删除重复数据的原因（我使用 distinct 和 dplyr 进行了此操作，但您可以根据需要进行操作。

df_out = distinct(
  rbind(
    regex_inner_join(df_1, df_2, by = c("DF_1"= "DF_2")),
    regex_inner_join(df_2, df_1, by = c("DF_2"= "DF_1"))
  )
)
df_out

输出是：

          DF_1 index           DF_2
1   suspension     2     suspension
2 for solution     3       solution
3   suspension     1 for suspension
4       tablet     4      tablet,ER
5       tablet     5      tablet,IR

您会找到预期的表格，但顺序不同（行和列）。

【讨论】：

【解决方案3】：

这是一个使用嵌套 *apply + grepl 的基本 R 选项

df_out <- within(
  df_2,
  DF_1 <- unlist(sapply(
    DF_2,
    function(x) {
      Filter(
        Negate(is.na),
        lapply(
          df_1$DF_1,
          function(y) ifelse(grepl(y, x), y, ifelse(grepl(x, y), x, NA))
        )
      )
    }
  ), use.names = FALSE)
)

这样

> df_out
  index           DF_2       DF_1
1     1 for suspension suspension
2     2     suspension suspension
3     3       solution   solution
4     4      tablet,ER     tablet
5     5      tablet,IR     tablet

【讨论】：

【解决方案4】：

这听起来像是grepl() 的工作！

例如grepl(value, chars, fixed = TRUE) 让我引用an example from a different answer:

> chars <- "test"
> value <- "es"
> grepl(value, chars)
[1] TRUE
> chars <- "test"
> value <- "et"
> grepl(value, chars)
[1] FALSE

【讨论】：