Question

我有一个包含一列字符串的数据集：

text <- c('flight cancelled','dog cat','coach travel','car bus','cow sheep',' high bar')
transport <- 0

 df <- data.frame(text,transport)

对于每行，如果字符串“ text”包含多个单词中的任何一个，我想返回1；否则返回0。我的问题是我能想到的唯一方法是使用for循环。有更有效的方法吗？我的数据集很大，因此for循环需要永远的运行

words<- 'flight|flights|plane|seats|seat|travel|time|coach'

for (i in 1:6){
   df$transport[i] <- ifelse(any(grepl(words,(str_split(as.character(df$text[i]), " ")))) == TRUE,1,0)
 }

返回：

              text transport
1 flight cancelled         1
2          dog cat         0
3     coach travel         1
4          car bus         0
5        cow sheep         0
6         high bar         0

Answer 1

您可以直接在words中使用df$text和grep查找要设置为1的行。

df$transport[grep(words, df$text)] <- 1

Answer 2

这是一种可能性：

df <- data.frame(text =  c('flight cancelled','dog cat','coach travel','car bus','cow sheep',' high bar'), 
                 transport = 0)
words <- 'flight|flights|plane|seats|seat|travel|time|coach'


df[grep(words, df$text, value = F), "transport"] <- 1

              text transport
1 flight cancelled         1
2          dog cat         0
3     coach travel         1
4          car bus         0
5        cow sheep         0
6         high bar         0

Answer 3

您还可以使用apply函数：

apply(df, 1, function(x) ifelse(any(grepl(words,(str_split(as.character(x["text"]), " ")))) == TRUE,1,0))

Answer 4

如果您正在寻找速度，则stringr或stringi函数通常会胜过基本函数：

library(stringr)

as.integer(str_detect(df$text, words))
[1] 1 0 1 0 0 0

编辑：另外请注意，请考虑使用单词边界，以免部分匹配（例如，flight与单词flights匹配）

paste0("\\b", gsub("|", "\\b|\\b", words, fixed = T), "\\b") 
[1] "\\bflight\\b|\\bflights\\b|\\bplane\\b|\\bseats\\b|\\bseat\\b|\\btravel\\b|\\btime\\b|\\bcoach\\b"

如果字符串包含任何单词列表，则R每行返回true或false

4 个答案: