R - 如果顺序不同，如何比较两个单词？答案

【问题标题】：R - How to compare two words sentence if order is not same?R - 如果顺序不同，如何比较两个单词？
【发布时间】：2016-12-19 02:00:44
【问题描述】：

举个例子

z <- "Dikesh Faldu"
y <- "Faldu Dikesh"

我想处理这两个变量并给我与“DikeshFaldu”相同的输出

让我们再举一个例子

我有一个具有所有这些值的变量，例如

[1] dikesh faldu
[2] xyz abc
[3] faldu dikesh
[4] anything like
[5] but only
[6] two words
[7] only but

…………

然后我想要像

这样的输出

[1] dikeshfaldu
[2] xyzabc
[3] dikeshfaldu
[4] anythinglike
[5] butonly
[6] twowords
[7] butonly

或

[1] faldudikesh
[2] xyzabc
[3] faldudikesh
[4] anythinglike
[5] onlybut
[6] twowords
[7] onlybut

【问题讨论】：

stringsplit，然后排序，然后将它们粘贴在一起。如果顺序无关紧要，这是有效的：NameSurname 或 SurnameName
该评论确实是答案。您可能应该这样发布它！
@RonakShah - strsplit 是矢量化的。不需要内循环。 lapply(strsplit(c(z, y), " "), function(x) paste(sort(x), collapse=""))。可能会在上面做Reduce(identical, ...) 以完成'er off。
@DirtySockSniffer 如何在其中传递列表？ strsplit 不接受列表。
使用字符向量，而不是列表。

标签： r string-comparison

【解决方案1】：

根据@zx8754、@Dirty Sock Sniffer 和@RHertel 的输入，你可以试试，

sapply(strsplit(charvec, " "), function(x) paste(sort(x), collapse=""))

#[1] "dikeshfaldu"  "abcxyz"       "dikeshfaldu"  "anythinglike" "butonly"     
#[6] "twowords"     "butonly"

在哪里

charvec <- c("dikesh faldu", "xyz abc", "faldu dikesh", "anything like", 
              "but only", "two words", "only but")

【讨论】：

【解决方案2】：

对于第一种情况，匹配一个或多个空格（\\s+）并将其替换为sub中的""

sub("\\s+", "", z)
#[1] "DikeshFaldu"

对于第二种情况，将非空白区域捕获为一个组并重新排列反向引用。

sub("(\\S+)\\s+(\\S+)", "\\2\\1", y)
#[1] "DikeshFaldu"

如果sort是按字母顺序排列的，那么我们使用stringi中的stri_extract提取单词，sort it和paste一起使用

library(stringi)
vapply(stri_extract_all(c(z,y), regex = "\\w+"), function(x)
            paste(sort(x), collapse=""), character(1))
#[1] "DikeshFaldu" "DikeshFaldu"

在 OP 的帖子中使用更新后的向量

vapply(stri_extract_all(charvec, regex = "\\w+"), 
       function(x) paste(sort(x), collapse=""), character(1))
#[1] "dikeshfaldu"  "abcxyz"       "dikeshfaldu"  "anythinglike" 
#[5] "butonly"      "twowords"     "butonly"

数据

charvec <- c("dikesh faldu", "xyz abc", "faldu dikesh", "anything like", 
           "but only", "two words", "only but")

【讨论】：

说明显而易见，但是您现在需要提前处理您正在处理的场景。我对旧数据的经验是你不这样做，因为它是如此不一致:-(
@Jasper OP 没有提到它需要以哪种方式排序。

【解决方案3】：

这是您要查找的 R 代码。与zx8754 提到的相同。

z <- "Dikesh Faldu"
y <- "Faldu Dikesh"

sort(unlist(strsplit(z,split=' '))) == sort(unlist(strsplit(y,split=' ')))

[1] TRUE TRUE

【讨论】：

您忘记将拆分的字符串重新粘贴在一起。这就是为什么有两个“TRUE”输出。也许改用这个：reorderedNames <- function(x) paste(sort(unlist(strsplit(x, split=' '))), collapse = ''); identical(reorderedNames(z), reorderedNames(y))
我认为你的答案应该是一个标记的答案:) 你为什么不添加它？
@DikeshFaldu 使用我第一条评论中描述的功能，您可以尝试：theNames <- c("dikesh faldu", "xyz abc", "faldu dikesh", "anything like", "but only", "two words", "only but"); unname(sapply(theNames, reorderedNames))。