如何检查R中列表中是否包含短语列表中的任何单词？

Question

我有一个数据框，其中包含一个名为listA的列和一个listB。我想只拉出数据框中与listB中的条目匹配的那些行，所以我有：

newData <- mydata[mydata$listA %in% listB,]

但是，listA的某些条目的格式为＆＃34; ABC /// DEF＆＃34 ;,其中ABC和DEF都是listB中的可能条目。 我想拉出数据框的行，这些行具有listA，其中任何单词与listB中的条目匹配。所以如果listB有＆＃34; ABC＆＃34;在其中，该条目将包含在newData中。我找到了strsplit函数，但是像

这样的东西

strsplit(mydata$listA," ") %in% listB

总是返回FALSE，大概是因为它检查strsplit返回的整个列表是否是listB中的一个条目。

Answer 1

1. match(word_vector, target_vector)允许两个参数都是向量，这是你想要的（注意：那是向量，而不是列表）。事实上，%in%运算符是match()的同义词，正如其帮助告诉您的那样。
2. 但stringi包的方法stri_match_*可能会直接执行您想要的操作，所有操作都会进行矢量化，并且比match()或strsplit()更高效： stri_match_all stri_match_all_regex stri_match_first stri_match_first_regex stri_match_last stri_match_last_regex

此外，您可能不需要使用显式拆分功能，但如果必须，则使用stringi::stri_split_*()，避免使用base::strsplit()

关于性能的注意事项：尽可能避免像R中的瘟疫一样分裂字符串，它会通过不必要的conscells创建内存泄漏，因为gc()会告诉你。这是stringi效率非常高的另一个原因。