Question

给定如下数据结构：

set.seed(10)
fruits <- c("apple", "orange", "pineapple")
fruits2 <- data.frame(id = 1:10, fruit1 = sample(fruits, 10, replace = T), fruit2 =   sample(fruits, 10, replace = T), fruit3 = sample(fruits, 10, replace = T))

> fruits2
   id    fruit1    fruit2    fruit3
1   1    orange    orange pineapple
2   2     apple    orange    orange
3   3    orange     apple pineapple
4   4 pineapple    orange    orange
5   5     apple    orange    orange
6   6     apple    orange pineapple
7   7     apple     apple pineapple
8   8     apple     apple     apple
9   9    orange    orange pineapple
10 10    orange pineapple    orange

我可以轻松测试data.frame 中的任何位置是否与<{1}}的给定字符串完全相同，它将返回一种非常方便的格式。例如：

fruits2 == "mystring"

但是，我真正想做的是搜索模式（例如“apple”）并返回相同的格式。也就是说，我希望能够测试data.frame 中的每个项是否包含（但不一定等于）字符串“apple”并返回相同的逻辑矩阵。在这种情况下，我希望它产生：

fruits2 == "orange"
         id fruit1 fruit2 fruit3
 [1,] FALSE   TRUE   TRUE  FALSE
 [2,] FALSE  FALSE   TRUE   TRUE
 [3,] FALSE   TRUE  FALSE  FALSE
 [4,] FALSE  FALSE   TRUE   TRUE
 [5,] FALSE  FALSE   TRUE   TRUE
 [6,] FALSE  FALSE   TRUE  FALSE
 [7,] FALSE  FALSE  FALSE  FALSE
 [8,] FALSE  FALSE  FALSE  FALSE
 [9,] FALSE   TRUE   TRUE  FALSE
[10,] FALSE   TRUE  FALSE   TRUE

有没有简单的方法在R中执行此操作而不指定多个模式（我知道在这种情况下id fruit1 fruit2 fruit3 [1,] FALSE FALSE FALSE TRUE [2,] FALSE TRUE FALSE FALSE [3,] FALSE FALSE TRUE TRUE [4,] FALSE TRUE FALSE FALSE [5,] FALSE TRUE FALSE FALSE [6,] FALSE TRUE FALSE TRUE [7,] FALSE TRUE TRUE TRUE [8,] FALSE TRUE TRUE TRUE [9,] FALSE FALSE FALSE TRUE [10,] FALSE FALSE TRUE FALSE会这样做，但在我的真实数据集中枚举所有可能完全匹配的字符串是不可能的）？< / p>

我认为有解决方法，我可以使用fruits2 == "apple" | fruits2 == "pineapple"编写一个函数来完成它，但我想知道是否有更简单的解决方案。

Answer 1

在基地R，

> apply(fruits2,2,function(x){grepl("apple",x)})
         id fruit1 fruit2 fruit3
 [1,] FALSE  FALSE  FALSE   TRUE
 [2,] FALSE   TRUE  FALSE  FALSE
 [3,] FALSE  FALSE   TRUE   TRUE
 [4,] FALSE   TRUE  FALSE  FALSE
 [5,] FALSE   TRUE  FALSE  FALSE
 [6,] FALSE   TRUE  FALSE   TRUE
 [7,] FALSE   TRUE   TRUE   TRUE
 [8,] FALSE   TRUE   TRUE   TRUE
 [9,] FALSE  FALSE  FALSE   TRUE
[10,] FALSE  FALSE   TRUE  FALSE

 n = 10000
 fruits2 <- data.frame(id = 1:n, fruit1 = sample(fruits, n, replace = T), fruit2 =   sample(fruits, n, replace = T), fruit3 = sample(fruits, n, replace = T))

> system.time(apply(fruits2,2,function(x){grepl("apple",x)}))   
  user  system elapsed 
  0.016   0.000   0.019 

> system.time(colwise(myfun)(fruits2))
  user  system elapsed 
  0.016   0.000   0.017

> system.time(sapply(fruits2,function(x) grepl('apple',x)))
   user  system elapsed 
  0.032   0.000   0.034

正如@eddi指出的那样，lapply确实是最快的：

> system.time(do.call("cbind",lapply(colnames(fruits2),function(x) grepl('apple',fruits2[,x]))))
   user  system elapsed 
  0.016   0.000   0.016

Answer 2

Dunno如果你认为这更简单，但你可以使用colwise包中的plyr：

myfun <- function(x) grepl('apple', x)

colwise(myfun)(fruits2)

      id fruit1 fruit2 fruit3
1  FALSE  FALSE  FALSE   TRUE
2  FALSE   TRUE  FALSE  FALSE
3  FALSE  FALSE   TRUE   TRUE
4  FALSE   TRUE  FALSE  FALSE
5  FALSE   TRUE  FALSE  FALSE
6  FALSE   TRUE  FALSE   TRUE
7  FALSE   TRUE   TRUE   TRUE
8  FALSE   TRUE   TRUE   TRUE
9  FALSE  FALSE  FALSE   TRUE
10 FALSE  FALSE   TRUE  FALSE

查找字符串是否在多个列中同时匹配并返回逻辑矩阵？

2 个答案: