使用 dplyr 和 stringr 检测多个字符串答案

【问题标题】：Detect multiple strings with dplyr and stringr使用 dplyr 和 stringr 检测多个字符串
【发布时间】：2014-12-26 20:38:38
【问题描述】：

我正在尝试结合 dplyr 和 stringr 来检测数据帧中的多个模式。我想使用 dplyr，因为我想测试许多不同的列。

以下是一些示例数据：

test.data <- data.frame(item = c("Apple", "Bear", "Orange", "Pear", "Two Apples"))
fruit <- c("Apple", "Orange", "Pear")
test.data
        item
1      Apple
2       Bear
3     Orange
4       Pear
5 Two Apples

我想使用的是这样的：

test.data <- test.data %>% mutate(is.fruit = str_detect(item, fruit))

并接收

        item is.fruit
1      Apple        1
2       Bear        0
3     Orange        1
4       Pear        1
5 Two Apples        1

一个非常简单的测试工作

> str_detect("Apple", fruit)
[1]  TRUE FALSE FALSE
> str_detect("Bear", fruit)
[1] FALSE FALSE FALSE

但即使没有 dplyr，我也无法让它在数据框的列上工作：

> test.data$is.fruit <- str_detect(test.data$item, fruit)
Error in check_pattern(pattern, string) : 
  Lengths of string and pattern not compatible

有人知道怎么做吗？

【问题讨论】：

标签： r dplyr stringr

【解决方案1】：

str_detect 只接受长度为 1 的模式。使用paste(..., collapse = '|') 或使用any 将其转换为一个正则表达式：

sapply(test.data$item, function(x) any(sapply(fruit, str_detect, string = x)))
# Apple       Bear     Orange       Pear Two Apples
#  TRUE      FALSE       TRUE       TRUE       TRUE

str_detect(test.data$item, paste(fruit, collapse = '|'))
# [1]  TRUE FALSE  TRUE  TRUE  TRUE

【讨论】：

【解决方案2】：

这种简单的方法适用于精确匹配：

test.data %>% mutate(is.fruit = item %in% fruit)
# A tibble: 5 x 2
        item is.fruit
       <chr>    <lgl>
1      Apple     TRUE
2       Bear    FALSE
3     Orange     TRUE
4       Pear     TRUE
5 Two Apples    FALSE

这种方法适用于部分匹配（这是提出的问题）：

test.data %>% 
rowwise() %>% 
mutate(is.fruit = sum(str_detect(item, fruit)))

Source: local data frame [5 x 2]
Groups: <by row>

# A tibble: 5 x 2
        item is.fruit
       <chr>    <int>
1      Apple        1
2       Bear        0
3     Orange        1
4       Pear        1
5 Two Apples        1

【讨论】：

这仅适用于完全匹配的情况，在这种情况下使用str_detect 而不是== 或in 是多余的。
啊，你说得对，亚历克斯。我猜我读的有点快。我已经更新了答案。

【解决方案3】：

使用 purrr 中的 map 函数可以进一步简化这一点，以便在管道和格式控制中使用 - map_int 返回数字，map_lgl 返回逻辑。

library(purrr)

test.data %>%
    mutate(is.fruit = map_int(item, ~any(str_detect(., fruit))))

        item is.fruit
1       Apple     1
2        Bear     0
3      Orange     1
4        Pear     1
5  Two Apples     1

【讨论】：