Question

我有一个数据表：

dt <- data.table(col1=c('aa,bb', 'bb,cc,ee', 'dd,ee'), col2=c('aa', 'cc', 'aa'))
> dt
    col1      col2
1: aa,bb      aa
2: bb,cc,ee   cc
3: dd,ee      aa

我想检查第二列是否出现在第一列的strsplit中，因此对于第一行，如果aa中出现aa,bb，并用逗号分隔，这是正确的。第二行也是如此，第三行则为false。我只想保留发生这种情况的行，所以只保留行1和2。

我的第一个想法就是这样做：

dt[col2 %in% strsplit(col1, ',')]

但是，这将返回一个空的data.table。

我可以想到多种解决方案来解决此问题，包括使用tstrsplit创建新列或合并数据表，但是对于如此看似简单的任务，所有这些都有些乏味。有什么建议么？

Answer 1

我们可以使用str_detect中的stringr

library(stringr)
dt[, flag := str_detect(col1, col2)]
dt
#       col1 col2  flag
#1:    aa,bb   aa  TRUE
#2: bb,cc,ee   cc  TRUE
#3:    dd,ee   aa FALSE

此外，为避免子字符串匹配，我们可以指定单词边界（\\b）

dt[, str_detect(col1, str_c("\\b", col2, "\\b"))]
#[1]  TRUE  TRUE FALSE

关于strsplit的使用，输出将是list中的vector。因此，我们需要使用一个函数来检查'{1}的相应元素中'col1'的值。 list做到了

Map

要在同一步骤中应用过滤器并返回2行数据表。

dt[,  unlist(Map(`%in%`, col2, strsplit(col1, ",")))]

通过在另一列的拆分中存在一列来过滤data.table行。

1 个答案: