【发布时间】:2017-02-28 11:59:51
【问题描述】:
我想将一行的文本与以下所有行进行比较,以找出偏差。 下面的代码如何在不使用for循环的情况下转换成代码?
dat <- data.frame(n = seq(1, 19, by = 1),
des = c("Some very long text", "Some very lang test", "Some vary long text", "Some veri long text", "Another very long text", "Anather very long text", "Another very long text", "Different text", "Diferent text", "More text", "More test", "Much more text", "Muh more text", "Some other long text", "Some otoher long text", "Some more text", "Same more text", "New text", "New texd"))
dat <- dat[!duplicated(dat[,c('des')]),]
column <- which(names(dat) == "des")
dupli <- rep(FALSE, nrow(dat))
for (lin in 1:(nrow(dat)-1)){
for (other in (lin+1):nrow(dat))
{
if (stringdist( dat[lin, column], dat[other, column]) < 2)
dupli[lin] <- TRUE
}
}
我想加快这个过程,因为我在大约 5000 行中有很多文本。我想将第 1 行与第 2 行到第 19 行进行比较,依此类推。所以 for 循环非常慢,有 5000 行。是否可以使用一些应用功能代替?
【问题讨论】:
-
你可能想要这样的东西:
require(dplyr);dat %>% mutate(dist = ifelse(stringdist(des,lead(des))<3,TRUE,FALSE)) -
with(dat, stringdist(head(des, -1), tail(des, -1))) < 3应该这样做 -
@DavidArenburg 我的数据集有 5000 行。我觉得头尾的问题是不可能解决的。
-
为什么不呢?您想将每一行与前一行进行比较,不是吗?这正是这样做的。你有没有试过或者你只是假设?
-
我假设。但现在我试了一下。您的代码运行良好。谢谢!但它返回的元素比 for 循环少一个。您的代码返回的最后一个元素是 TRUE。循环返回 FALSE。