按行匹配部分字符串

Question

我正在尝试在数据框中创建一个唯一列，该列在两个字符串的 left 侧的两个字符串之间具有字符匹配的数字。

每一行代表都有一个比较字符串，我们希望将其用作针对用户给定字符串的测试。给定一个数据框：

df <- data.frame(x=c("yhf", "rnmqjk", "wok"), y=c("yh", "rnmj", "ok"))

       x    y
1    yhf   yh
2 rnmqjk rnmj
3    wok   ok

其中 x 是我们的比较字符串，y 是我们给定的字符串，我希望在 z 列中输出“2, 3, 0”的值，如下所示：

       x    y    z
1    yhf   yh    2
2 rnmqjk rnmj    3
3    wok   ok    0

本质上，我希望根据比较字符串 (x) 从左 -> 右检查给定的字符串 (y)，并且当字符不对齐时不检查字符串的其余部分并记录比赛号码。

提前谢谢你！

Answer 1

此代码适用于您的示例：

df$z <- mapply(function(x, y) which.max(x != y),
               strsplit(as.character(df$x), split=""),
               strsplit(as.character(df$y), split="")) - 1

df
       x    y z
1    yhf   yh 2
2 rnmqjk rnmj 3
3    wok   ok 0

作为大纲，strsplit 将字符串向量拆分为字符向量列表。在这里，向量的每个元素都是一个字符（带有 split="" 参数）。 which.max 函数返回第一个位置，它的参数是向量的最大值。由于x != y 返回的向量是逻辑的，which.max 返回观察到差异的第一个位置。 mapply 接受一个函数和列表，并将提供的函数应用于列表的相应元素。

请注意，这会产生字符串长度不匹配的警告。这可以通过多种方式解决，最简单的方法是将函数包装在 suppressWarnings 中，如果消息让您感到厌烦。

---

正如 OP 所指出的，如果存在整个单词匹配的实例，则 which.max 返回 1。要返回与字符串相同的长度，我将添加第二行代码，将逻辑子集与nchar 函数：

df$z[as.character(df$x) == as.character(df$y)] <-
                        nchar(as.character(df$x[as.character(df$x) == as.character(df$y)]))