跨不同长度的数据帧 R/dplyr/stringr 对部分字符串匹配进行条件突变

Question

我有两个不同长度的数据帧，都是字符串。比方说：

NameDF <- data.frame (names  = c("Jane","John"))
JobDF <- data.frame (occupation  = c("Frank is a teacher","Jane is a doctor","John cooks part-time","Mike was a musician","Jane is an engineer"))

在真实数据集中，NameDF 是用户指定的列，将在 2-5 个名称（行）之间变化。 JobDF 将在 65-70 行之间变化。有时 NameDF$names 中的名称在 JobDF$occupation 中出现多次。每次使用脚本时，两者的内容都会有所不同。

我的目标是在 JobDF 中创建一个名为 inNameDF 的新列，具体取决于名称是否出现在 NameDF 中。

我的预期输出如下所示：

JobDF
rowID      occupation        inNameDF
1      Frank is a teacher       no
2      Jane is a doctor         yes
3      John cooks part-time     yes
4      Mike was a musician      no
5      Jane is an engineer      yes

因为 NameDF 和 JobDF 的内容和长度总是不同的，所以我从使用 %in% 开始。但这不起作用，因为我需要部分字符串检测才能在 JobDF$occupation 中进行模式匹配。然后我开始使用 grepl，但它只检测第一行（在我的示例中为 Jane），而不检测其他行。我得到的最接近的是：

library(dplyr)
library(stringr)
JobDF %>% 
   mutate(inNameDF = ifelse(str_detect(occupation, NameDF$names),"yes","no"))

这给出了与 grepl 类似的警告消息，因为它只处理 NameDF 中第一个案例的最后一个实例（Jane 的最后一个实例）。在这一点上，我已经旋转了几天了，如果有任何关于如何获得 JobDF$inNameDF 列的见解，我将不胜感激。我也对非 dplyr/stringr 解决方案持开放态度。提前感谢您的帮助！

Answer 1

library(dplyr)

JobDF %>% 
    mutate(inNameDF = ifelse(str_detect(occupation, paste0(NameDF$names, collapse = "|")),"yes","no"))

paste0 的输出是这样的：

paste0(NameDF$names, collapse = "|")

[1] "Jane|John"

这是匹配“Jane”或“John”的正则表达式。如果您需要匹配不区分大小写，请将其包装在 stringr::regex 中，如下所示：regex(paste0(...), ignore_case = T)。

---

如果名称始终是第一个单词，那么您还可以执行以下操作：

ifelse(sapply(str_split(JobDF$occupation, " "), `[[`, 1) %in% NameDF$names, "yes", "no")

[1] "no"  "yes" "yes" "no"  "yes"

它从occupation 中提取第一个单词并检查它是否是%in% names。

Answer 2

您可以将NameDF 中的names 折叠成一个带有字边界的字符串(\\b)，然后使用ifelse 分配'yes' 和'no'。需要单词边界，以便'Jane' 与'Janesen' 等不匹配。

JobDF$inNameDF <- ifelse(grepl(paste0('\\b', NameDF$names, '\\b', collapse = '|'), 
                         JobDF$occupation), 'yes', 'no')
JobDF

#            occupation inNameDF
#1   Frank is a teacher       no
#2     Jane is a doctor      yes
#3 John cooks part-time      yes
#4  Mike was a musician       no
#5  Jane is an engineer      yes