变异改变整列而不是逐行答案

【问题标题】：Mutate changes full column instead of row by row变异改变整列而不是逐行
【发布时间】：2020-05-18 23:36:29
【问题描述】：

在数据框中，我想根据另一列中出现的一组特定字符串（字符向量）创建一个新列。

所以基本上，我想要这个：

ID  Phrases
1   some words
2   some words dec
3   some words nov may

返回这个：

ID  Phrases             MonthsOccur
1   some words          NA
2   some words dec      dec
3   some words nov may  may nov

我已经尝试了以下方法，但我不确定为什么它会给我这样的结果：

library(dplyr)

vMonths <- c("jan","feb","mar","apr","may","jun","jul","aug","sept","nov","dec")

a <- c(1,2,3)
b <- c('phrase number one', 'phrase dec','phrase nov')

df <- data.frame(a,b)
names(df) <- c("ID","Phrases")
df <- df %>% mutate(MonthsOccur = paste(vMonths[str_detect(Phrases, vMonths)],collapse=" "))

它给了我以下警告：

警告信息：在 stri_detect_regex(string, pattern, negate = negate, opts_regex = opts(pattern)) 中：较长的对象长度不是较短对象长度的倍数

结果如下：

ID  Phrases             MonthsOccur
1   some words          dec
2   some words dec      dec
3   some words nov may  dec

【问题讨论】：

旁注：tolower(month.abb)

标签： r regex dplyr stringr

【解决方案1】：

涉及dplyr 和stringr 的另一个选项可能是：

df %>%
 mutate(MonthsOccur = str_extract_all(Phrases, paste(tolower(month.abb), collapse = "|")))

  ID            Phrases MonthsOccur
1  1         some words            
2  2     some words dec         dec
3  3 some words nov may    nov, may

这里输出的不是字符向量，而是列表。

如果你确实在寻找一个字符向量，那么加上purrr:

df %>%
 mutate(MonthsOccur = map_chr(str_extract_all(Phrases, paste(tolower(month.abb), collapse = "|")), 
                              paste, collapse = ", "))

【讨论】：

【解决方案2】：

一种选择是申请str_detectrowwise

library(dplyr)
library(stringr)

df %>%
  rowwise() %>%
  mutate(MonthsOccur = paste0(vMonths[str_detect(Phrases, vMonths)], 
                       collapse = " "))

但是，rowwise 将来可能会或可能不会继续，因此更好的方法是使用 map 操作

df %>%
  mutate(MonthsOccur = purrr::map_chr(Phrases,  
                      ~paste0(vMonths[str_detect(.x, vMonths)], collapse = " ")))

#  ID           Phrases MonthsOccur
#1  1 phrase number one            
#2  2        phrase dec         dec
#3  3    phrase nov may     may nov

基本 R 选项将与 regmatches 和 gregexpr 一起使用

sapply(regmatches(df$Phrases, gregexpr(paste0(vMonths, collapse = "|"),
        df$Phrases)), paste0, collapse = " ")

数据

df <- structure(list(ID = c(1, 2, 3), Phrases = structure(c(3L, 1L, 
2L), .Label = c("phrase dec", "phrase nov may", "phrase number one"
), class = "factor")), class = "data.frame", row.names = c(NA, -3L))

【讨论】：

谢谢——就像一个魅力！关于为什么这似乎与mutate 中使用的其他功能不同的任何见解（无论如何它们似乎都在逐行工作）？似乎无法弄清楚它为什么会这样做。
@BroQ 很好，这是因为str_detect 在string 和pattern 上进行了矢量化。所以Phrases[1]与vMonths[1]比较，Phrases[2]与vMonths[2]比较。所以你不会得到你所期待的所有比赛。通过指定rowwise 或使用map，我们将Phrases[1] 与所有vMonths 进行比较，然后将Phrases[2] 与所有vMonths 进行比较，依此类推。