如何将表条目与 R 中的第二个表的列表条目匹配？

Question

我有两张表，table1 有一列字符串。我想在另一个表 table2 中找到每个字符串的匹配项，但在相应的 table2 列中，每个单元格包含每个行条目的列表。

到目前为止，我已经弄清楚了如何使用 grepl 来匹配特定条目：

grepl(table1$label[i],table2$labels[[j]][k])

对于某些 i、j 和 k。 i 和 j 是固定的，因为它们分别是表 1 和表 2 中的行数，但 k 是一些正值，所以我有这样的东西：

for (i in 1:nrow(table1)){
  for (j in 1:nrow(table2){
    for(k ?){
    grepl(table1$label[i],table2$labels[[j]][k])
    }
  }
}

我不太确定要为 k 循环放什么。

一旦我确定了包含 table1 字符串的 table2 行，我想做的是报告来自不同 table2 列的相应值并将这些值附加到 table1 中的相应字符串行，所以我'我猜我需要更多的 for 循环...有没有任何快捷方式可以解决诸如此类的多个引用问题？

一些示例数据（注意 table2 列表中也有缺失值，但我假设在匹配这些时会被忽略，其他条目是字符类）：

表 1

    label 
1   Tom     
2   Gemma     
3   Graham     

表 2（更新）

     item      labels 
1    Apple     Tom, ,John, ,Terry,     
2    Orange    Bryan, ,Graham,  
3    Pear      Finn, ,Gemma, ,Graham, 

输出

表 1

    label   item
1   Tom     Apple
2   Gemma   Pear  
3   Graham  Orange, Pear

---

从使用dput 我得到

Table1 <- structure(list(label = c("Tom", "Gemma", "Graham")), .Names = "label", 
class = "data.frame", row.names = c(NA, 
-3L))


Table2 <- structure(list(item = c("Apple", "Orange", "Pear"), labels = list(
    structure(c("Tom", "", "John", "", "Terry", ""), .Dim = c(6L, 
    1L)), structure(c("Bryan", "", "Graham", ""), .Dim = c(4L, 
    1L)), structure(c("Finn", "", "Gemma", "", "Graham", ""), .Dim = c(6L, 
    1L)))), .Names = c("item", "labels"), row.names = c(NA, -3L
), class = "data.frame")

---

附录：关于我最初使用grepl，Table2中的一些标签与Table1中的标签只有部分匹配，但名称在Table1中是唯一的，所以我想申请匹配Table1标签，例如 Graham (Table1) 到 Graham (Table2) 和 Graham Green (Table2) 例如

表 2（版本 2）

     item      labels 
1    Apple     Tom, ,John, ,Terry,     
2    Orange    Bryan, ,Graham,  
3    Pear      Finn, ,Gemma, ,Graham Green, 

输出 Table1 将是相同的。

Answer 1

这是使用data.table 包的尝试

library(data.table)
res <- setDT(Table2)[, list(label = unlist(labels)), by = item]
setkey(res, label)[Table1, toString(unique(item)), by = .EACHI]
#     label         item
# 1:    Tom        Apple
# 2:  Gemma         Pear
# 3: Graham Orange, Pear

我基本上在这里所做的是将每个项目的labels 拆分为Table2。然后我聚合了每个标签的唯一项目，同时执行二进制左连接回到Table1

---

编辑为您的新Table2，您可以将代码修改为

res <- setDT(Table2)[, list(label = unlist(labels)), by = item]
Table1["item"] <- sapply(Table1$label, function(x) toString(unique(res[grepl(x, label), item])))
Table1
#    label         item
# 1    Tom        Apple
# 2  Gemma         Pear
# 3 Graham Orange, Pear

Answer 2

这是一个在后端使用 data.table 的 qdapTools 方法。您的数据类型有点模棱两可。 dput 在这里会很有帮助。

我认为您的数据基于 NA 评论

Table1 <- read.table(text="   label 
1   Tom     
2   Gemma     
3   Graham", header=TRUE)


key <- list(
    Apple  = c('Tom', NA, 'John', NA, 'Terry'),
    Orange =  c('Bryan', 'Graham'),
    Pear =  c('Finn', 'Gemma', NA, 'Graham')
)

现在查找值：

library(qdapTools)
Table1[["item"]] <- lapply(Table1[[1]], lookup, key)

##    label         item
## 1    Tom        Apple
## 2  Gemma         Pear
## 3 Graham Orange, Pear

如果你有data.frame，那么试试：

key2 <- data.frame(x = names(key))
key2[["item"]] <- key

Table1[["item2"]] <- lapply(Table1[[1]], lookup, setNames(as.list(key2[[2]]), key2[[1]]))

如果该列确实是折叠/粘贴的向量：

key2 <- data.frame(x = names(key))
key2[["item"]] <- lapply(key, paste, collapse=", ")
Table1[["item2"]] <- lapply(Table1[[1]], lookup, setNames(strsplit(as.character(key2[[2]]), "\\s*,\\s*"), key2[[1]]))