如何根据R中字符串的前三个单词删除重复行

Question

我有一个问题没有找到答案。

假设我有以下数据框。数据框包含以下 3 个观察值。

data.frame (id  = 1:3,
                  sentence = c("Hi my name is John", "Hi my name is Jack", "Hi my name is Drew")
)

我想删除底部的两个观察结果，只留下顶部有 John 的观察结果。鉴于每个字符串中的最后一个单词不同，因此 unique() 解决方案不起作用。我在想应该有一种方法来检查每个字符串中的前三个（或四个）单词是否相同。如果它们相同，那么它将删除除顶部的观察之外的其他观察。我将不胜感激！

Answer 1

基于三个词：

gsub("^(\\S+\\s+\\S+\\s+\\S+).*", "\\1", dat$sentence)
# [1] "Hi my name" "Hi my name" "Hi my name"
dat[!duplicated(gsub("^(\\S+\\s+\\S+\\s+\\S+).*", "\\1", dat$sentence)),]
#   id           sentence
# 1  1 Hi my name is John