R - 在两个向量之间的字符串中查找部分匹配答案

【问题标题】：R - Finding partial matches in strings between two vectorsR - 在两个向量之间的字符串中查找部分匹配
【发布时间】：2019-12-04 20:23:17
【问题描述】：

我正在一家公司处理几组数据，其中某些团队编写项目代码的方式与其他团队略有不同。

例如，A 组使用 5 字符项目代码 C106A，而 B 组使用 HD-01C106A00 等长代码。注意匹配的字符。

我要做的是将所有这些项目数据组合在一起，数据清理的关键步骤是修复这些代码，以便我可以按它们进行分组。我有一个包含所有长代码的库，因为 B 组对它们有更多的规定，所以我可以依靠他们的数据。

我想让我的代码使用 A 组数据中的字符串在 B 组的库中执行搜索，当它找到 B 组中的匹配集时，替换 A 组数据中的值。我一直在玩 Stringr 的 str_detect 命令，我似乎无法让它工作。

A组项目代码部分：

Project.Code

C106A

C117A

C254A

C342A

C365A

C371A

C391A

C397A

C397B

C397C

C399A

C400A

C404A

C405A

C414A

C417A

B 组图书馆的一部分：

Project.Code

HP-C3651001

HP-C3651003

HP-C3651009

HP-C3651P00

HP-C365A000

HP-C365B000

HP-C3421001

HP-C3421002

HP-C3421003

HP-C3421P00

HP-C342A000

HP-C1061001

HP-C1061011

HP-C1061013

HP-C1061016

HP-C1061P00

HP-C106A000

这样的事情是有意义且有效的：

str_detect(GroupA$Project.Code,"C365A")

但我似乎不能这样做：

str_detect(GroupA$Project.Code,GroupB$Project.Code)

【问题讨论】：

标签： r stringr

【解决方案1】：

一种选择是将paste 转换为单个字符串，其中| 表示OR

library(stringr)
str_detect(GroupB$Project.Code, str_c(GroupA$Project.Code, collapse ="|"))

【讨论】：

嗯，这是一个有趣的用途。我会测试一下 - 一旦我能得到这个，我认为替换值是使用 dplyr 和 str_detect 的其余部分的一个相对微不足道的情况
所以问题在于，没有好的方法可以确定哪种情况与哪种情况匹配 - 我需要更具体。
@OfTheAzureSky 您可以使用str_match 提取矩阵中的值，然后从中获取索引

【解决方案2】：

不确定以下是否是您想要的

idx <- Filter(length,sapply(grpA, function(x) grep(x,grpB)))
df <- data.frame(grpA_idx = match(names(idx),grpA),grpA_code =names(idx), grpB_code=grpB[unlist(idx)])

给出：

> df
  grpA_idx grpA_code   grpB_code
1       1     C106A HP-C106A000
2       4     C342A HP-C342A000
3       5     C365A HP-C365A000

数据

grpA <- c("C106A", "C117A", "C254A", "C342A", 
                                   "C365A", "C371A", "C391A", "C397A", "C397B", "C397C", "C399A", 
                                   "C400A", "C404A", "C405A", "C414A", "C417A")
grpB <- c("HP-C1061001", "HP-C1061011", "HP-C1061013", "HP-C1061016", 
              "HP-C1061P00", "HP-C106A000", "HP-C3421001", "HP-C3421002", "HP-C3421003", 
              "HP-C3421P00", "HP-C342A000", "HP-C3651001", "HP-C3651003", "HP-C3651009", 
              "HP-C3651P00", "HP-C365A000", "HP-C365B000")

【讨论】：