如果任何行包含子字符串，则标记答案

【问题标题】：If any row contains a substring, then flag如果任何行包含子字符串，则标记
【发布时间】：2018-12-02 19:22:36
【问题描述】：

我有一个字符变量数据集：

col1 = c("a","b","c")
col2 = c("a","b_a","d")
df = data.frame(col1,col2)

  col1 col2
1    a    a
2    b  b_a
3    c    d

如果该行中的任何值包含子字符串“a”，我想创建一个标记 1,0 的变量 a。

  col1 col2 a
1    a    a 1
2    b  b_a 1
3    c    d 0

我的尝试如下。它并没有完全做到这一点，因为我相信如果数据框中的任何值包含子字符串而不是行，它需要TRUE。

df["a"] = ifelse(any(sapply(df,function(x) str_detect(x,"a")),TRUE),1,0)

我的想法是，对于 ifelse 语句，ifelse 语句中的任何函数只评估 df[i,] 而不是整个数据框，其中 i 是它正在查看的行。情况似乎并非如此。

1) 如何构建我正在寻找的数据框？请注意，在我的真实数据集中，有 100 多列，因此将它们全部列出是没有意义的。

2) 为什么 ifelse 不只计算 df 的行 i，而不是整个 df？

请注意，以前的问题只看at one variable，我正在查看所有变量，所以这不是重复的。

【问题讨论】：

@A.Suliman 我不这么认为。您引用的帖子仅搜索 1 个变量。我正在寻找行中的所有变量。在我发布的示例中，我正在对 col1 和 col2 进行子字符串搜索。另外，我正在寻求帮助来理解 ifelse 的底层逻辑。

标签： r

【解决方案1】：

你可以使用

grepl('a', paste0(df$col1, df$col2))

或者对任意数量的列进行泛化

grepl('a',  do.call(paste0, df))

还有第三个选项，如果您正在搜索多字符子字符串而不是单个字母，这可能更安全。在这种情况下，您可能希望避免使用 paste 以便例如在向量c('xa', 'bx') 中搜索'ab' 不会给出误报。在这种情况下，我们可以使用：

substr = 'a'
as.logical(colSums(apply (df, 1, function(x) grepl(substr, x))))

【讨论】：

【解决方案2】：

1) 如何构建我要查找的数据框？

df$a <- apply(df,1,function(x) { 
  as.numeric( length(grep("a",x)) > 0) 
  })

输出

  col1 col2 a
1    a    a 1
2    b  b_a 1
3    c    d 0

2) 为什么 ifelse 不只评估 df 的第 i 行，而不是整个 df？

让我们分解一下 -

你正在做 sapply(df,function(x) str_detect(x,"a")) 这会给你这个 -
```
  col1  col2     a
```
[1,] 真真假 [2,] 假真假 [3,] 假假假
接下来你要做any(sapply(df,function(x) str_detect(x,"a")),TRUE) - 这就是问题所在。 any 没有按行应用，输出是单个布尔值。如果应用 any 函数行明智地得到你想要的，你有。

【讨论】：