将字符串提取到每行中的不同单词 - R

Question

我有一个数据框，其中有一列包含各种单词。我还有一个单独的字符串列表（与 df 的长度不同），我想在数据框中创建一个新列，将字符串与列中的单词匹配，但只保留字符串的一部分直到那个词。

例如： 我有这张桌子：

words
apple
plant
banana
animal
fly
ecoli

还有这些字串：

stringlist <- c("eukaryote;plant;apple", "eukaryote;plant;banana","eukaryote;animal;dog", "eukaryote;plant;orange" "eukaryote;animal;cat"; "eukaryote;insect;fly", "prokaryote;bacterium;ecoli")

我想得到这个：

words	new_words
apple	eukaryote;plant;apple
plant	eukaryote;plant
banana	eukaryote;plant;banana
animal	eukaryote;animal
fly	eukaryote;insect;fly
ecoli	prokaryote;bacterium;ecoli

我尝试过类似的方法：

df$words <- c("apple", "plant", "banana", "animal", "fly", "ecoli")
df$new_words<- sub(df$words, "", stringlist)

Answer 1

遍历'words'列，得到与grep匹配的'stringlist'值，使用sub捕获包含单词的字符，并将其替换为捕获组的反向引用（\\1）

df$new_words <- sapply(df$words, function(x) 
    sub(sprintf("(.*%s).*", x), "\\1", grep(x, stringlist, 
     value = TRUE)[1]))

-输出

> df
   words                  new_words
1  apple      eukaryote;plant;apple
2  plant            eukaryote;plant
3 banana     eukaryote;plant;banana
4 animal           eukaryote;animal
5    fly       eukaryote;insect;fly
6  ecoli prokaryote;bacterium;ecoli

数据

df <- structure(list(words = c("apple", "plant", "banana", "animal", 
"fly", "ecoli")), class = "data.frame", row.names = c(NA, -6L
))

stringlist <- c("eukaryote;plant;apple", "eukaryote;plant;banana", 
"eukaryote;animal;dog", 
"eukaryote;plant;orange", "eukaryote;animal;cat", "eukaryote;insect;fly", 
"prokaryote;bacterium;ecoli")