通过数据帧的行确定子字符串是否出现在字符串中答案

【问题标题】：Determine if sub string appears in a string by row of dataframe通过数据帧的行确定子字符串是否出现在字符串中
【发布时间】：2019-08-02 11:59:48
【问题描述】：

我有一个每天都会修改的数据框。当发生错误时，检查它，如果可以解决，则在错误消息的开头添加关键字“REVISED”。像这样：

ID  M1               M2                M3        
1   NA               "REVISED-error"   "error"    
2   "REVISED-error"  "REVISED-error"   NA        
3   "REVISED-error"  "REVISED-error"   "error"   
4   NA               "error"           NA         
5   NA               NA                NA

我想找个方法加两列，帮我判断有没有错误，修改了多少。像这样：

ID  M1               M2                M3         i1   ix
1   NA               "REVISED-error"   "error"    2    1    <- 2 errors, 1 revised
2   "REVISED-error"  "REVISED-error"   NA         2    2
3   "REVISED-error"  "REVISED-error"   "error"    3    2
4   NA               "error"           NA         1    0
5   NA               NA                NA         0    0

我找到了这段代码：

df <- df%>%mutate(i1 = rowSums(!is.na(.[2:4])))

这有助于我了解这些特定列中有多少错误。我如何知道是否有任何上述错误包含关键字 REVISED？我已经尝试了一些方法，但到目前为止都没有奏效：

df <- df%>% mutate(i1 = rowSums(!is.na(.[2:4])))%>% mutate(ie = rowSums(.[2:4) %in% "REVISED")

这会返回错误x must be an array of at least two dimensions

【问题讨论】：

什么定义了错误？这里的 2 是什么意思？ 1 NA REVISED-x X 2 1
@NelsonGon 你是什么意思？错误是这样的字符串This is an error，如果我解决了这个问题，我会添加Revised_This is an error。这能回答你的问题吗？
好的，ix 和 i1 呢，它们应该显示什么？在我看来，NA 确实以某种方式对ix 做出了贡献，但不是很清楚。
@NelsonGon i1 应该按行播种多少错误（例如，ID 1 有 2 个错误）， ix 显示已修改了多少错误（对于 ID 1，只有一个它的错误已被修改，所以 1) 等等。 NA 被认为没有错误，我的意思是如果它是空的，那么就没有错误
@NelsonGon 希望编辑现在更有意义

标签： r regex dplyr

【解决方案1】：

您可以使用apply 来查找"error" 和"REVISED" 在每一行中出现的次数。

df[c("i1", "ix")] <- t(apply(df[-1], 1, function(x) 
                  c(sum(grepl("error", x)), sum(grepl("REVISED", x)))))


df
#  ID            M1            M2    M3 i1 ix
#1  1          <NA> REVISED-error error  2  1
#2  2 REVISED-error REVISED-error  <NA>  2  2
#3  3 REVISED-error REVISED-error error  3  2
#4  4          <NA>         error  <NA>  1  0
#5  5          <NA>          <NA>  <NA>  0  0

使用is.na 和rowSums 计算i1 的替代方法。

df$i1 <- rowSums(!is.na(df[-1]))
df$ix <- apply(df[-1], 1, function(x) sum(grepl("REVISED", x)))

数据

df <- structure(list(ID = 1:5, M1 = structure(c(NA, 1L, 1L, NA, NA), 
.Label = "REVISED-error", class = "factor"), 
M2 = structure(c(2L, 2L, 2L, 1L, NA), .Label = c("error", 
"REVISED-error"), class = "factor"), M3 = structure(c(1L, 
NA, 1L, NA, NA), .Label = "error", class = "factor")), row.names = c(NA, 
-5L), class = "data.frame")

【讨论】：

@Ronak_Shah 如果错误文本不同，我还能使用!is.na() 方法吗？
@aaronparrilla 据我了解这个问题。 !is.na 会告诉你有多少错误没有发生。它不能给你一个单独的错误发生和错误修正的计数。
@Ronak_Shah 问题是错误不仅仅说错误，它们有一些任意文本。如果我在该特定列范围内找到任何值，则表示有人创建了一条错误消息，因此，如果它不是 NA，那么它就是一个错误。这就是我问的原因
@aaronparrilla ok..我添加了一种使用!is.na 计算i1 的方法。

【解决方案2】：

您可以使用stringr 库中的str_count() 来计算REVISED 出现的次数，就像这样

df <- data.frame(M1=as.character(c(NA, "REVISED-x", "REVISED-x")),
                 M2=as.character(c("REVISED-x", "REVISED-x", "REVISED-x")), 
                 stringsAsFactors = FALSE)

library(stringr)
df$ix <- str_count(paste0(df$M1, df$M2), "REVISED")

df

#          M1        M2 ix
# 1      <NA> REVISED-x  1
# 2 REVISED-x REVISED-x  2
# 3 REVISED-x REVISED-x  2

【讨论】：