是否有用于查找重复项的 str_detect 版本？

Question

我有一个包含多个包含标识符的列的数据集，我需要根据标识符识别重复项。我创建了一个将所有标识符列粘贴在一起的新列，但我不确定如何实际检测重复项。

当前数据集如下所示：

id <- (1:10)
record <- c("A | B", "A", "--C--", "B", "CD", "D", "ABCD", "B | D | A", "C", "data:D")
df <- data.frame(id, record)

   id      record
   1        A | B
   2            A
   3        --C--
   4            B
   5           CD
   6            D
   7         ABCD
   8    B | D | A
   9            C
 10        data:D

我想根据 A、B、C 和 D 查找重复行。例如，它应该告诉我 5、6、7、8 和 10 有匹配项，因为它们都包含 D。

我更喜欢tidyverse 解决方案，并且一直在玩stringr 和dplyr，但没有运气。我不想搜索特定模式，而是查找包含彼此相同字符串的所有行。

Answer 1

id <- (1:10)
record <- c("A | B", "A", "--C--", "B", "CD", "D", "ABCD", "B | D | A", "C", "data:D")
df <- data.frame(id, record)

df$index <- stringr::str_extract_all(df$record, "[A-Z]")

library(dplyr)
library(tidyr)

res = unnest(df) %>% tidyr::spread(index,-id)

> res
# A tibble: 10 x 6
      id record    A     B     C     D    
   <int> <fct>     <chr> <chr> <chr> <chr>
 1     1 A | B     A     B     NA    NA   
 2     2 A         A     NA    NA    NA   
 3     3 --C--     NA    NA    C     NA   
 4     4 B         NA    B     NA    NA   
 5     5 CD        NA    NA    C     D    
 6     6 D         NA    NA    NA    D    
 7     7 ABCD      A     B     C     D    
 8     8 B | D | A A     B     NA    D    
 9     9 C         NA    NA    C     NA   
10    10 data:D    NA    NA    NA    D