如何在R中匹配不同组合的字符串答案

【问题标题】：How to match strings in different combinations in R如何在R中匹配不同组合的字符串
【发布时间】：2017-06-22 20:55:51
【问题描述】：

我有一个数据框 df，其中的单词由 + 分隔，但我不希望在执行分析时顺序很重要。例如，我有

df <- as.data.frame(
      c(("Yellow + Blue + Green"),
        ("Blue + Yellow + Green"),
        ("Green + Yellow + Blue")))

目前，它们被视为三个独特的响应，但我希望它们被视为相同。我尝试过诸如ifelse 语句之类的蛮力方法，但它们不适合大型数据集。

有没有办法重新排列术语以使它们匹配，或者像反向 combn 函数那样识别它们是相同的组合但顺序不同？

谢谢！

【问题讨论】：

标签： r

【解决方案1】：

#DATA
df <- data.frame(cols = 
                 c(("Yellow + Blue + Green"),
                   ("Blue + Yellow + Green"),
                   ("Green + Yellow + Blue"),
                   ("Green + Yellow + Red")), stringsAsFactors = FALSE)

#Split, sort, and then paste together
df$group = sapply(df$cols, function(a)
    paste(sort(unlist(strsplit(a, " \\+ "))), collapse = ", "))
df
#                   cols               group
#1 Yellow + Blue + Green Blue, Green, Yellow
#2 Blue + Yellow + Green Blue, Green, Yellow
#3 Green + Yellow + Blue Blue, Green, Yellow
#4  Green + Yellow + Red  Green, Red, Yellow

#Or you can convert to factors too (and back to numeric, if you like)
df$group2 = as.numeric(as.factor(sapply(df$cols, function(a)
        paste(sort(unlist(strsplit(a, " \\+ "))), collapse = ", "))))
df
#                   cols               group group2
#1 Yellow + Blue + Green Blue, Green, Yellow      1
#2 Blue + Yellow + Green Blue, Green, Yellow      1
#3 Green + Yellow + Blue Blue, Green, Yellow      1
#4  Green + Yellow + Red  Green, Red, Yellow      2

【讨论】：

谢谢d.b！效果很好。我应该更具体地说明的一件事是，我仍然希望它采用 a + b + c 格式，但通过更改 collapse 语句可以轻松修复它。

【解决方案2】：

我想提供我对此的看法，因为不清楚您想要输出什么格式：

我使用包stringr 和iterators。使用d.b.创建的df

search <- c("Yellow", "Green", "Blue")
L <- str_extract_all(df$cols, boundary("word"))
sapply(iter(L), function(x) all(search %in% x))
[1]  TRUE  TRUE  TRUE FALSE

【讨论】：