将多个字符串与 R 中跨数据帧的设置值匹配答案

【问题标题】：Match multiple strings with set values across data frames in R将多个字符串与 R 中跨数据帧的设置值匹配
【发布时间】：2020-04-29 02:25:48
【问题描述】：

我有一个数据集，其中包含在 ARABET 中转录的单词，如下所示：

dict <- data.frame(
              word=c("HH EH L P", "W IH TH", "S AH M . TH IY NG"))

我有另一个数据集，其中可能包含具有特定、对应（但最终是任意）值的 ARABET 段，如下所示：

ref <- data.frame(
              letter=c("HH", "EH", "L", "P", "W", "IH", "TH", "S", "AH", "M", "IY", "NG", "AA", "B"),
              value=c(1.34, 1.91, 2.45, 4.12, 2.12, .69, 5.1, 1.47, 1.98, 3.12, 1.35, 4.11, 1.23, 3.45))

我正在尝试为我的数据框 dict 中的每个单词计算匹配字母值的总和。例如，“HH EH L P”将等于 1.34 + 1.91 + 2.45 + 4.12 = 9.82。理想情况下，我想要一个看起来像这样的数据框：

dict_goal <- data.frame(
  word=c("H EH L P", "W IH TH", "S AH M . TH IY NG"),
  sum=c(9.82, 7.91, 17.1))

到目前为止，我的方法必须是将每个单词按空格拆分，将每个拆分单词临时移动到数据框中，连接相应的值，对这些值求和，然后将该总和附加回我的原始数据 (dict)按行。我尝试使用下面的代码，但它既麻烦又无效，因为它实际上并没有加入字母值（只是返回 NA 值）。求和和附加很简单，但我似乎无法做到这一点。注意：此代码依赖于 dplyr 和 stringr 包。

ref$value <- as.factor(ref.$value)
test <- data.frame()

for(i in 1:3){
  test <- str_split(dict[i,], " ")
  test <- as.data.frame(test)  
  colnames(test) <- c("letter")
  test <- left_join(test, ref,
                     by = c("letter" = "value"))
  }

任何帮助将不胜感激！

【问题讨论】：

那是我的错！ 17.1 是正确的输出。谢谢！

标签： r string dplyr match stringr

【解决方案1】：

您可以使用separate_rows获取长格式数据，并与ref连接得到对应的value。对于每个word，我们可以将sum 和value 放在一起。

library(dplyr)

dict %>%
  mutate(row = row_number()) %>%
  tidyr::separate_rows(word, sep = "\\s+") %>%
  left_join(ref, by = c('word' = 'letter'))  %>%
  group_by(row) %>%
  summarise(word = paste(word, collapse = " "), 
            value = sum(value, na.rm = TRUE)) %>%
  select(-row)


#  word              value
#  <chr>             <dbl>
#1 HH EH L P          9.82
#2 W IH TH            7.91
#3 S AH M . TH IY NG 17.1

【讨论】：