Question

我正在使用大型数据集，我想确定包含文本字符串的列是否通过了逻辑测试，我可以在以后对其进行子集化。目前，我正在尝试为每一行构建测试列。测试基于单元格是否包含少于2个相关字符，但我想在实际单元格中保留完整的字符集。以下是我想要做的简化示例：

假设我有以下数据框：

df <- data.frame(matrix(NA, nrow = 5, ncol = 1))
colnames(df) <- "test"
df$test <- c("one", "two", "three", "one", "onetwo")
df$hyp <- ("two", "one", "onetwo", "one", "two")
df$testcount <- sapply(df$test, str_length)
df$hypcount <- sapply(df$hyp, str_length)
df

    test    hyp testcount hypcount
1    one    two         3        3
2    two    one         3        3
3  three onetwo         5        6
4    one    one         3        3
5 onetwo    two         6        3

我想识别一个文本字符串，比如“两个”，如果test列或hyp列中有一行（取决于我正在运行的测试。我不想要这个在两列上运行）包含字符串（虽然与字符串不同），然后我希望同一行减去我从testcount或hypcount标识的字符串中的字符数列。

例如，如果我在test列中的文本字符串“two”上运行此函数，那么我应该得到以下输出：

    test    hyp testcount hypcount
1    one    two         3        3
2    two    one         0        3
3  three onetwo         5        6
4    one    one         3        3
5 onetwo    two         3        3

如果我在hyp列上运行此操作，那么我应该得到以下输出：

    test    hyp testcount hypcount
1    one    two         3        0
2    two    one         3        3
3  three onetwo         5        3
4    one    one         3        3
5 onetwo    two         6        0

我尝试了三种方法。首先，我尝试使用if函数有条件地运行替换（在此测试中，我测试了字符串“one”而不是“two”）：

if(grepl("one", df$test)) {
  df[which(grepl("one", df$test)), ]$testcount = df[which(grepl("one", df$test)), ]$testcount - 3
  }

但是这会返回警告： “在if（grepl（”one“，df $ test））{：条件的长度> 1，只使用第一个元素“

这导致正确替换字符串“one”，而不是字符串“two”。此外，如果我在hyp列中替换字符串“two”，则该函数可以工作，但是如果我运行字符串“one”的替换则不行。我怀疑这是因为它只在第一行运行测试，如果是，则检查整个数据帧。

接下来我尝试在lapply函数中运行该函数：

df <- data.frame(lapply(df, function(x) {
  if(grepl("one", df$test)) {
    df[which(grepl("one", df$test)), ]$testcount = df[which(grepl("one", df$test)), ]$testcount - 3
  }}))

虽然我不完全理解为什么，但这也行不通。不知何故，它最终返回输出：

  test hyp testcount hypcount
1    0   0         0        0
2    0   0         0        0
3    3   3         3        3

最后，我尝试将其作为ifelse操作运行（这里我切换到替换字符串“two”，所以我不会错误地认为该函数适用于所有行）：

df$testcount <- ifelse(grepl("two", df$test), (df[which(grepl("two", df$test)), ]$testcount = df[which(grepl("two", df$test)), ]$testcount - 3))

奇怪的是，这在我几天前第一次应用它时起作用了。我测试了它的字符串“two”，“on”和“one”，它运行正常。现在，当我开始将它应用于我的实际数据时，它不起作用。此外，当我回到测试中看看出了什么问题时，它就不再起作用了。它只是返回错误： “ifelse错误（grepl（”two“，df $ test），（df [which（grepl（”two“，df $ test））,: 缺少参数“no”，没有默认值“

我尝试了两种解决方案。首先，我尝试在“no”参数中添加一个对我的数据没有影响的语句：

 df$testcount <- ifelse(grepl("two", df$test), (df[which(grepl("two", df$test)), ]$testcount = df[which(grepl("two", df$test)), ]$testcount - 3), T)

但是，这会导致它返回输出：

    test    hyp testcount hypcount
1    one    two         1        3
2    two    one         3        3
3  three onetwo         1        6
4    one    one         1        3
5 onetwo    two         0        3

接下来我尝试用一个有意义的“否”参数代替：

 df$testcount <- ifelse(grepl("two", df$test), (df[which(grepl("two", df$test)), ]$testcount = df[which(grepl("two", df$test)), ]$testcount - 3), (df[which(grepl("two", df$test)), ]$testcount = df[which(grepl("two", df$test)), ]$testcount))

但现在它返回输出：

    test    hyp testcount hypcount
1    one    two        -3        3
2    two    one         0        3
3  three onetwo        -3        6
4    one    one         0        3
5 onetwo    two        -3        3

我不明白这个输出。

我的问题是，任何人都可以帮助我理解为什么这不起作用，并提供解决方案？提前谢谢！

Answer 1

我不确定我是否完全理解您的问题，但以下内容再现了您对这两个测试用例的预期结果。

db.collection.find({"_id": { "$gt": ObjectId.fromDate(new Date('2017-10-01'))}})

另外，你说＆＃34;包含字符串（虽然与字符串不同）＆＃34; ，但对于包含＆＃34; onetwo＆＃34;的条目。你做不减去计数值。那么你完成的比赛是完整的吗？

Answer 2

尝试此功能：

subtract_match <- function(column1, column2, text, df) {
  df2 <- df
  df2[, column2] <- ifelse(grepl(text, df[, column1]), 
                           df[, column2] - nchar(text), 
                           df[, column2])
  df2
}

subtract_match("test", "testcount", "two", df1)

    test    hyp testcount hypcount
1    one    two         3        3
2    two    one         0        3
3  three onetwo         5        6
4    one    one         3        3
5 onetwo    two         3        3

subtract_match("hyp", "hypcount", "two", df1)

    test    hyp testcount hypcount
1    one    two         3        0
2    two    one         3        3
3  three onetwo         5        3
4    one    one         3        3
5 onetwo    two         6        0

如果另一列中的内容包含字符串

2 个答案: