在 R 中删除 2 个向量的部分重叠部分答案

【问题标题】：Dropping partially overlapping parts of 2 vectors in R在 R 中删除 2 个向量的部分重叠部分
【发布时间】：2022-01-01 21:24:52
【问题描述】：

我想知道是否可以删除n1 字符向量中与f1 公式中的元素部分重叠的部分。

例如，在n1 中，我们看到"chyes"&"bmi:chyes" 与ch 中的ch 部分重叠。

因此在desired_output 中，我们想要删除其中的"ch" 部分。因为n1 中的其他元素要么与f1 中的元素完全重叠（例如bmi），要么在f1 中不存在（例如intrcpt），我们将它们保持不变。

我尝试了以下解决方案，但无法获得所需的输出。

是否可以在 BASE R 或 tidyvesrse 中获取我的 desired_output？

f1 <- yi~ bmi*ch

n1 <- c("intrcpt","bmi","chyes","bmi:chyes")

desired_output <- c("intrcpt","bmi","yes","bmi:yes")

### Current unsuccessful solution:
foo <- function(fmla, vec) {
  
  v1 <- all.vars(fmla)
  v2 <- setdiff(vec, v1)
  v1 <- paste0('^', v1)
  v3 <- sub(paste(v1, collapse = "|"), "", v2)
  vec[vec %in% v2] <- v3
  vec 
}
### EXAMPLE OF USE:
foo(f1, n1)
# "intrcpt"   "bmi"       "chyes"     "bmi:chyes"

【问题讨论】：

你不能单独拥有yes。您必须确定 yes 来自的变量，即 ch 变量。除非你使用数值变量
你为什么要这样做？你的最终目标是什么？似乎这是一个中间过程。你最后想做什么？添加/删除条款？？
最后你能给出产生n1向量的数据吗？
@Onyambu，这是一个可重现的编程问题。我很欣赏编程答案。
你的最终目标是什么？我看到你就公式提出了多个问题。你可能做错了什么。中间步骤可能是不必要的，毕竟可能不受欢迎。可能有一个功能可以将您所拥有的东西转变为最终目标，而无需您经历的步骤

标签： r regex string character

【解决方案1】：

这个函数可以满足你的需要，但我同意@Onyambu 的观点，即值得考虑你的潜在问题是否真的需要字符串操作。

f <- function(fm, nm) {
  vars <- vapply(attr(terms(fm), "variables"), deparse, "")[-1L]
  subpat <- paste0(gsub("([()])", "\\\\\\1", vars), collapse = "|")
  l <- rapply(strsplit(nm, ":"), sub, how = "list",
              perl = TRUE,
              pattern = sprintf("^(?!(%1$s)$)(%1$s)(.+)$", subpat),
              replacement = "\\3")
  vapply(l, paste0, "", collapse = ":")
}

fm1 <- yi ~ bmi * ch
nm1 <- c("intrcpt", "bmi", "chyes", "bmi:chyes")
f(fm1, nm1)

[1] "intrcpt" "bmi"     "yes"     "bmi:yes"

fm2 <- yi ~ bmi * factor(ch)
nm2 <- c("intrcpt", "bmi", "factor(ch)yes", "bmi:factor(ch)yes")
f(fm2, nm2)

[1] "intrcpt" "bmi"     "yes"     "bmi:yes"

fm3 <- gi ~ 0 + time:pub_type + time_wk_whn + time_wk_btw
nm3 <- c("time_wk_whn", "time_wk_btw", "timePost-test 1:pub_typejournal", "timePost-test 2:pub_typejournal")
f(fm3, nm3)

[1] "time_wk_whn"         "time_wk_btw"        
[3] "Post-test 1:journal" "Post-test 2:journal"

【讨论】：

我已经更新了答案，但我可以想象它仍然失败的边缘情况。例如，不可能知道字符串"x:y" 是指两个变量x 和y 之间的交互，还是指一个非语法命名的变量`x:y`。这就是为什么在字符串级别对语言进行操作通常是不好的做法。
亲爱的 Mikael，在以下示例中，您的 f() 函数似乎错误地将 time 丢弃在其输出中：f1 <- gi ~ 0 + time:pub_type + time_wk_whn + time_wk_btw ; n1 <- c("time_wk_whn","time_wk_btw","timePost-test 1:pub_typejournal","timePost-test 2:pub_typejournal") ; f(f1,n1)。在这种情况下，所需的输出是：desired_output <- c("time_wk_whn","time_wk_btw","Post-test 1:journal","Post-test 2:journal")。有什么解决办法吗？
@SimonHarmel 是的，这是一个错误。现已修复。