将文本列转换为 r 中的向量答案

【问题标题】：Turning a text column into a vector in r将文本列转换为 r 中的向量
【发布时间】：2020-12-14 10:32:57
【问题描述】：

我想查看文本列是否有“a”和“b”指定值之外的元素

specified_value=c("a","b")

df=data.frame(key=c(1,2,3,4),text=c("a,b,c","a,d","1,2","a,b")
df_out=data.frame(key=c(1,2,3),text=c("c","d","1,2",NA))

这是我尝试过的：

df=df%>%mutate(text_vector=strsplit(text, split=","), 
extra=text_vector[which(!text_vector %in% specified_value)])

但这不起作用，有什么建议吗？

【问题讨论】：

标签： r string vector strsplit

【解决方案1】：

使用正则表达式而不用逗号分割数据的选项：

#Collapse the specified_value in one string and remove from text 
df$text1 <- gsub(paste0(specified_value, collapse = "|"), '', df$text)
#Remove extra commas
df$text1 <- gsub('(?<![a-z0-9]),', '', df$text1, perl = TRUE)
df
#  key  text text1
#1   1 a,b,c     c
#2   2   a,d     d
#3   3   1,2   1,2
#4   4   a,b

【讨论】：

【解决方案2】：

我们可以通过分隔符,和separate_rows拆分'text'，按'key'分组，用setdiff和paste得到不在'specified_value'中的元素（@987654325） @)，然后进行连接以获取原始数据集中的其他列

library(dplyr) # >= 1.0.0
library(tidyr)
df %>%
    separate_rows(text) %>%
    group_by(key) %>% 
    summarise(extra = toString(setdiff(text, specified_value))) %>%
    left_join(df) %>%
    mutate(extra = na_if(extra, ""))
# A tibble: 4 x 3
#    key extra text 
#  <dbl> <chr> <chr>
#1     1 c     a,b,c
#2     2 d     a,d  
#3     3 1, 2  1,2  
#4     4 <NA>  a,b

【讨论】：

【解决方案3】：

使用 stringi::stri_split_fixed

library(stringi)
!all(stri_split_fixed("a,b", ",", simplify=T)  %in% specified_value) #FALSE
!all(stri_split_fixed("a,b,c", ",", simplify=T)  %in% specified_value) #TRUE

【讨论】：

【解决方案4】：

使用setdiff。

df$outside <- sapply({
  x <- lapply(strsplit(df$text, ","), setdiff, specified_value)
  replace(x, lengths(x) == 0, NA)}, 
  paste, collapse=",")
df
#   key  text outside
# 1   1 a,b,c       c
# 2   2   a,d       d
# 3   3   1,2     1,2
# 4   4   a,b      NA

数据：

df <- structure(list(key = c(1, 2, 3, 4), text = c("a,b,c", "a,d", 
"1,2", "a,b")), class = "data.frame", row.names = c(NA, -4L))

specified_value <- c("a", "b")

【讨论】：