返回前三个单词答案

【问题标题】：Return up to the first three words返回前三个单词
【发布时间】：2021-09-16 23:11:38
【问题描述】：

试图找到一种方法来返回 R 中的前三个单词。我尝试了 string_r 中的 word 函数，但如果句子至少包含三个单词，它只会返回前三个单词。例如，


sentences <- c("Jane saw a cat", "Jane sat down", "Jane sat", "Jane")

word(sentences, 1, 3)

这将返回Jane saw a、Jane sat down、NA、NA

我希望它返回前三个单词，即使句子有一个或两个单词。所以我正在寻找的输出是：

这将返回Jane saw a、Jane sat down、Jane Sat、Jane

【问题讨论】：

标签： r tidyverse stringr

【解决方案1】：

1) stringr 计算输入的每个组件中的单词数，并将其或 3 中的较小者用作要返回的单词数。

library(stringr)
word(sentences, end = pmin(str_count(sentences, "\\w+"), 3))
## [1] "Jane saw a"    "Jane sat down" "Jane sat"      "Jane"

2) stringr solution 2 在末尾附加一些虚拟词，取前 3 个词并剪掉剩下的任何虚拟词。

sentences %>%
  str_c("@ @ @") %>%
  word(end = 3) %>%
  str_replace(" *@.*", "")
## [1] "Jane saw a"    "Jane sat down" "Jane sat"      "Jane"

3a) Base R 与 (1) 相同的想法可以这样转换为 Base R：

Word <- function(x, end) do.call("paste", read.table(text = x, fill = TRUE)[1:end])

unname(Vectorize(Word)(sentences, end = pmin(lengths(strsplit(sentences, " ")), 3)))
## [1] "Jane saw a"    "Jane sat down" "Jane sat"      "Jane"

3b) 与 (2) 相同的想法可以像这样转换为基础 R。 Word 来自 (3a)。

sentences |>
  paste("@ @ @") |>
  Word(end = 3) |>
  sub(pattern = " *@.*", replacement = "")
## [1] "Jane saw a"    "Jane sat down" "Jane sat"      "Jane"

更新

(1) 被简化，旧的 (1) 现在是 (2)。 (3a) 和 (3b) 现在是 Base R 对应项。

【讨论】：

【解决方案2】：

我们可以拆分得到单词

sapply(strsplit(sentences, " "), \(x) paste(head(x, 3), collapse=" "))

-输出

[1] "Jane saw a"    "Jane sat down" "Jane sat"      "Jane"

或者使用正则表达式

trimws( sub("^((\\w+\\s+){1,3}).*", "\\1", sentences))

-输出

[1] "Jane saw a" "Jane sat"   "Jane"       "Jane"

如果我们要使用word，那么可能需要coalesce

library(stringr)
library(purrr)
library(dplyr)
map(3:1,  word, string = sentences, start = 1) %>%
    exec(coalesce, !!!.)
[1] "Jane saw a"    "Jane sat down" "Jane sat"      "Jane"

【讨论】：