If else语句检查字符串是否包含R中的子字符串答案

【问题标题】：If else statements to check if a string contains a substring in RIf else语句检查字符串是否包含R中的子字符串
【发布时间】：2018-06-12 14:12:25
【问题描述】：

我有一个列表，其中包含每个观察的多个字符串（见下文）。

  [1] A, C, D 
  [2] P, O, E
  [3] W, E, W
  [4] S, B, W

我想测试字符串是否包含某些子字符串，如果是，则返回相应的子字符串，在此示例中，这将是“A”或“B”（请参阅下面的所需结果）。每个观察将仅包含 2 个子字符串之一 (A|B)

  [1] A 
  [2] NA
  [3] NA
  [4] B

不，我已经尝试过解决它，但它似乎效率很低，而且我也没有让它工作。我该如何解决？

  if (i == "A") {
    type <- "A"
  } else if { (i == "B") 
    type <- "B" 
  } else { type <- "NA"
  }

注意：我需要循环超过 1000 个观察结果

【问题讨论】：

您可以使用grepl 查找包含您要查找的字母的字符串。对于每个字符串，你可以使用regexec 和regmatches 来返回模式（如果有的话）。

标签： r regex if-statement stringr

【解决方案1】：

假设您有一个字符向量，您可以为此目的使用stringr::str_extract：

s <- c('A, C, D', 'P, O, E', 'W, E, W', 'S, B, W')
s
# [1] "A, C, D" "P, O, E" "W, E, W" "S, B, W"
stringr::str_extract(s, 'A|B')
# [1] "A" NA  NA  "B"

如果首选单词匹配，请使用单词边界\\b：

stringr::str_extract(s, '\\b(A|B)\\b')
# [1] "A" NA  NA  "B"

如果子字符串由", "定义，你可以使用这个正则表达式(?<=^|, )(A|B)(?=,|$)：

# use the test case from G.Grothendieck
stringr::str_extract(c("A.A, C", "D, B"), '(?<=^|, )(A|B)(?=,|$)')
# [1] NA  "B"

【讨论】：

工作完美，工作效率很高，谢谢！
如果字符串可以是彼此的子字符串，则可能给出错误答案，例如例如s <- c("AA, C", "D, B").
@G.Grothendieck 是的。但我认为情况取决于您想要的输出，更短或更长。并且按照长度对模式进行排序应该可以处理它。
在我评论的示例中，它给出了 c("A", "B") 但正确答案是 c(NA, "B")
@G.Grothendieck 添加了单词边界。但是这个案子肯定会变得非常复杂和无限。

【解决方案2】：

不使用包并且只使用向量：

vec <- c('A, C, D', 
         'P, O, E', 
         'W, E, W', 
         'S, B, W')

ifelse(grepl('A', vec), 'A', ifelse(grepl('B', vec), 'B', NA))

您可以进一步简化它，但我将其保留为展开形式，以便您了解它的工作原理。

【讨论】：

【解决方案3】：

我们在下面提供绑带和基础解决方案。 strapply 解决方案很短，但是如果要匹配的元素可以是目标的子字符串，它就不起作用；但是，它们不是问题中的子字符串，因此它应该在那里工作。即使在这种情况下，基本解决方案也可以工作，因为它使用完全匹配而不是正则表达式。

1) strapply (gsubfn) 在 gsubfn 中使用 strapply。如果您想要一个列表作为输出，请省略 simplify=TRUE。如果需要，[AB] 可以替换为 A|B。

library(gsubfn)

strapply(x, "[AB]", empty = NA, simplify = TRUE)
## [1] "A" NA  NA  "B"

2) base 拆分输入并为拆分的每个元素过滤掉匹配列表L。 L 可能足以满足您的需求，但如果不是，则最后一行将其简化为向量并用 NA 替换零长度元素。

L <- lapply(strsplit(x, ", "), Filter, f = function(x) x %in% c("A", "B"))
unlist(replace(L, !lengths(L), NA))
## [1] "A" NA  NA  "B"

注意

x <- c("A, C, D", "P, O, E", "W, E, W", "S, B, W")

【讨论】：

【解决方案4】：

如果你想得到一个列表，你可以使用这个：

library(magrittr)
x = list(
     c("A", "C", "D"), 
     c("P", "O", "E"),
     c("W", "E", "W"),
     c("S", "B", "W")
     )

myFunction <- function(x){

     x1 <- paste0(x, collapse = "")

     ifelse(stringr::str_detect(x1 , "A|B"), stringr::str_extract(x1, "A|B"), NA)
}

x %>% purrr::map(~ myFunction(.))

【讨论】：

【解决方案5】：

在 Base R 中，您可以遍历字符串以检测并将它们分配给带有 [ 和 <- ([<-) 的输出。

invec <- c(
  'A, C, D',
  'P, O, E',
  'W, E, W',
  'S, B, W')

out <- rep(NA, length(invec))
for(x in c('A', 'B')) out[grep(x, invec)] <- x
out
#[1] "A" NA  NA  "B"

【讨论】：