如何创建具有两个向量中存在的字符链的变量

Question

我有这个data.frame

data <- structure(list(pos = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10), c = c("AUSTOP", 
                                                                     "ATIP;AITUO", "BERTUI", "BHTREAK;PAERJR;KIEYTU", "FRTEU3", "IRTUFH", 
                                                                     "HAZEB", "ERTUJG;JIRTUE;HERTYE", "DAIER1", "ZERV")), 
                  class = "data.frame", row.names = c(NA, 
                                                      -10L))
  pos                     c
1    1                AUSTOP
2    2            ATIP;AITUO
3    3                BERTUI
4    4 BHTREAK;PAERJR;KIEYTU
5    5                FRTEU3
6    6                IRTUFH
7    7                 HAZEB
8    8  ERTUJG;JIRTUE;HERTYE
9    9                DAIER1
10  10                  ZERV

还有这两个向量：

xa <- c("AUSTOP", "HTURIE", "IRTUFH", "JEURTU", "AITUO", "ERTUJG", 
        "HERTYE", "DAIER", "ZERV1", "BERTUI")
xb <- c("ERTUJG", "TYUINJ", "HERTYE", "AUSTOP", "ERTBGT", "POKNFR")

我想为每一行创建另一个变量 new2，其中所有字符链都存在于 c 变量和 xa AND xb 向量中，如下所示：

   pos                     c          new1   new2
1    1                AUSTOP        AUSTOP AUSTOP
2    2            ATIP;AITUO         AITUO   <NA>
3    3                BERTUI        BERTUI   <NA>
4    4 BHTREAK;PAERJR;KIEYTU          <NA>   <NA>
5    5                FRTEU3          <NA>   <NA>
6    6                IRTUFH        IRTUFH   <NA>
7    7                 HAZEB          <NA>   <NA>
8    8  ERTUJG;JIRTUE;HERTYE ERTUJG;HERTYE ERTUJG
9    9                DAIER1          <NA>   <NA>
10  10                  ZERV          <NA>   <NA>

我问了一个类似的问题，只用一个向量（示例中的 xa）做同样的事情以获得 new1，但我不知道如何调整代码（见下文）以匹配两个向量。

library(dplyr)
library(stringr)
library(purrr)
data %>% 
    mutate(new = map_chr(str_extract_all(c, str_c("\\b(", str_c(xa,
        collapse="|"), ")\\b")), str_c, collapse=";"))

如果 tidyverse 有解决方案，那就太好了。 感谢您的帮助。

Answer 1

您可以将map2_chr 用于两个变量。

library(dplyr)
library(stringr)
library(purrr)

data %>% 
  mutate(new = map2_chr(str_extract_all(c, str_c("\\b(", str_c(xa,collapse="|"), ")\\b")), 
                        str_extract_all(c, str_c("\\b(", str_c(xb,collapse="|"), ")\\b")), 
                        ~str_c(intersect(.x, .y), collapse=";")))

Answer 2

你可以使用

library(dplyr)
library(stringr)
library(purrr)

data %>% 
  tibble() %>% 
  mutate(d = str_split(c, ";")) %>% 
  mutate(new_1 = map_chr(d, ~paste(intersect(.x, xa), collapse = ";")),
         new_2 = map_chr(d, ~paste(intersect(.x, xb), collapse = ";")),
         .keep = "unused") %>% 
  na_if("")

得到

# A tibble: 10 x 4
     pos c                     new_1         new_2        
   <dbl> <chr>                 <chr>         <chr>        
 1     1 AUSTOP                AUSTOP        AUSTOP           
 2     2 ATIP;AITUO            AITUO         NA           
 3     3 BERTUI                BERTUI        NA           
 4     4 BHTREAK;PAERJR;KIEYTU NA            NA           
 5     5 FRTEU3                NA            NA           
 6     6 IRTUFH                IRTUFH        NA           
 7     7 HAZEB                 NA            NA           
 8     8 ERTUJG;JIRTUE;HERTYE  ERTUJG;HERTYE ERTUJG;HERTYE
 9     9 DAIER1                NA            NA           
10    10 ZERV                  NA            NA   

首先，我们创建一个新列 d，其中包含拆分列 c。这是必要的，比较不同的词。

接下来我们使用map_chr 来创建一个新的字符向量：map_chr 的第一个参数是d，我们想将每个元素（您的拆分词列表）与xa（或@987654329 @)。对于intersect(.x, xa)，第一个参数是d 的当前元素：在第1 行，即"AUSTOP"，对于第2 行，"ATIP" 和"AITUO" 存储在一个列表中。这些元素与xa 进行比较并返回，如果它们也存在于xa 中。接下来我们将paste 生成的元素放在一起。这相当于stringr::str_c。 ~ 表示purrr-version 一个没有名字的函数，类似于function(x) { do something }，经常用在apply-familiy 函数中。由于我们不再需要列d，我们使用.keep = "unused" 将其删除。 select(-d) 作为下一个管道步骤也是一个可能的选择。 最后我们将不匹配时创建的空字符串""替换为NA。