通过在另一列的 strsplit 中存在列来过滤 data.table 行

Question

我有一个数据表：

dt <- data.table(col1=c('aa,bb', 'bb,cc,ee', 'dd,ee'), col2=c('aa', 'cc', 'aa'))
> dt
    col1      col2
1: aa,bb      aa
2: bb,cc,ee   cc
3: dd,ee      aa

我想检查第 2 列是否出现在第一列的 strsplit 中，因此对于第一行，aa 是否存在于 aa,bb 中，用逗号分隔，这是真的。第二行也是如此，第三行也是错误的。我只想保留发生这种情况的行，所以只有第 1 行和第 2 行。

我的第一个想法是这样做：

dt[col2 %in% strsplit(col1, ',')]

但是，这会返回一个空的 data.table。

我可以想到多种解决方案来解决这个问题，包括使用tstrsplit 创建新列，或者熔化数据表，但是对于这样一个看似简单的任务，所有这些都有些乏味。有什么建议么？

Answer 1

我们可以从stringr使用str_detect

library(stringr)
dt[, flag := str_detect(col1, col2)]
dt
#       col1 col2  flag
#1:    aa,bb   aa  TRUE
#2: bb,cc,ee   cc  TRUE
#3:    dd,ee   aa FALSE

另外，为了避免任何子字符串匹配，我们可以指定单词边界（\\b）

dt[, str_detect(col1, str_c("\\b", col2, "\\b"))]
#[1]  TRUE  TRUE FALSE

---

关于strsplit 的使用，输出将是list 的vectors。因此，我们需要使用一个函数来检查“col1”的值是否在list 的相应元素中。 Map 这样做

dt[,  unlist(Map(`%in%`, col2, strsplit(col1, ",")))]

在同一步骤中应用过滤器并返回 2 行数据表：

dt[unlist(Map(`%in%`, col2, strsplit(col1, ",")))]