使用 grepl 从向量中排除多个单词 [重复]答案

【问题标题】：Exclude multiple words from a vector with grepl [duplicate]使用 grepl 从向量中排除多个单词 [重复]
【发布时间】：2015-05-20 09:55:27
【问题描述】：

这里的示例数据：

exclude.words <- c("zoznam","azet","dovera","joj","alza","telecom","google","post","sme")

main.data <- c("zoznam","registration","azet","azet.com","dovera","dna","joj","alza","telecom","google","post","sme")

如果单词相等（完全匹配），则此方法有效，但是请参阅azet.com 不会被排除在外！为此，我们可以使用agrepl()。

main.data[!(main.data %in% exclude.words)]

那么如何将agrepl 与两个向量一起使用呢？

main.data[!agrepl(main.data, exclude.words)]

【问题讨论】：

main.data[!grepl(paste(exclude.words, collapse = "|"), main.data)]?
是的，就是这样，有效。您是否会扩展您的答案（如果您选择提交）collapse=" | " 背后的含义？我不明白这个概念。

标签： r

【解决方案1】：

正如评论，您可以使用：

main.data[!grepl(paste(exclude.words, collapse = "|"), main.data)]

排除在 main.data 和 exclude.words 之间部分或完全匹配的任何单词。

paste(exclude.words, collapse = "|")

用“|”创建一个字符串（逻辑或）exclude.words 之间可以用作grepl 中的单个模式。因此，您无需遍历单个单词。

【讨论】：

【解决方案2】：

main.data[!as.logical(rowSums(sapply(exclude.words, function(x) agrepl(x, main.data))))]
# [1] "registration" "dna"


# clarification
sapply(exclude.words, function(x) agrepl(x, main.data))
#       zoznam  azet dovera   joj  alza telecom google  post   sme
#  [1,]   TRUE FALSE  FALSE FALSE FALSE   FALSE  FALSE FALSE FALSE
#  [2,]  FALSE FALSE  FALSE FALSE FALSE   FALSE  FALSE FALSE FALSE
#  [3,]  FALSE  TRUE  FALSE FALSE FALSE   FALSE  FALSE FALSE FALSE
#  [4,]  FALSE  TRUE  FALSE FALSE FALSE   FALSE  FALSE FALSE FALSE
#  [5,]  FALSE FALSE   TRUE FALSE FALSE   FALSE  FALSE FALSE FALSE
#  [6,]  FALSE FALSE  FALSE FALSE FALSE   FALSE  FALSE FALSE FALSE
#  [7,]  FALSE FALSE  FALSE  TRUE FALSE   FALSE  FALSE FALSE FALSE
#  [8,]  FALSE FALSE  FALSE FALSE  TRUE   FALSE  FALSE FALSE FALSE
#  [9,]  FALSE FALSE  FALSE FALSE FALSE    TRUE  FALSE FALSE FALSE
# [10,]  FALSE FALSE  FALSE FALSE FALSE   FALSE   TRUE FALSE FALSE
# [11,]  FALSE FALSE  FALSE FALSE FALSE   FALSE  FALSE  TRUE FALSE
# [12,]  FALSE FALSE  FALSE FALSE FALSE   FALSE  FALSE FALSE  TRUE

【讨论】：

原创方法，+1
谢谢）不幸的是它有点慢

【解决方案3】：

您可以使用这种函数式编程方法：

library(functional)

funcs = lapply(exclude.words, function(u) function(x) x[!grepl(u, x)])

Reduce(Compose, funcs)(main.data)
#[1] "registration" "dna"

【讨论】：