Question

我有一个数据框：

df <- data.frame(name=c("john", "david", "callum", "joanna", "allison", "slocum", "lisa"), id=1:7)
df

     name id
1    john  1
2   david  2
3  callum  3
4  joanna  4
5 allison  5
6  slocum  6
7    lisa  7

我有一个包含正则表达式的向量，我希望在df $ name变量中找到它：

vec <- c("lis", "^jo", "um$")

我想得到的输出如下：

     name id group
1    john  1     2
2   david  2    NA
3  callum  3     3
4  joanna  4     2
5 allison  5     1
6  slocum  6     3
7    lisa  7     1

我可以这样做：

df$group <- ifelse(grepl("lis", df$name), 1,
              ifelse(grepl("^jo", df$name), 2,
               ifelse(grepl("um$", df$name), 3,
                 NA)

但是，我想直接从'vec'这样做。我在一个闪亮的应用程序中反应性地生成不同的值。我可以根据vec中的索引分配组吗？

此外，如果发生类似下面的事情，该组应该是第一个出现的。例如'callum'对于'all'和“um $”为TRUE，但是应该在这里获得第1组。

vec <- c("all", "^jo", "um$")

Answer 1

以下是几个选项：

df$group <- apply(Vectorize(grepl, "pattern")(vec, df$name),
                  1,
                  function(ii) which(ii)[1])
#     name id group
#1    john  1     2
#2   david  2    NA
#3  callum  3     3
#4  joanna  4     2
#5 allison  5     1
#6  slocum  6     3
#7    lisa  7     1

使用命名向量并在其上合并：

names(vec) <- seq_along(vec)

df <- merge(df, stack(Vectorize(grep, "pattern", SIMPLIFY=FALSE)(vec, df$name)),
 by.x="id", by.y="values", all.x = TRUE)

df[!duplicated(df$id),] # to keep only the first match
#  id    name  ind
#1  1    john    2
#2  2   david <NA>
#3  3  callum    3
#4  4  joanna    2
#5  5 allison    1
#6  6  slocum    3
#7  7    lisa    1

for循环：

df$group <- NA

for ( i in rev(seq_along(vec))) {
  TFvec <- grepl(vec[i], df$name)
  df$group[TFvec] <- i
}

df
#     name id group
#1    john  1     2
#2   david  2    NA
#3  callum  3     3
#4  joanna  4     2
#5 allison  5     1
#6  slocum  6     3
#7    lisa  7     1

或者您可以outer使用stri_match_first_regex

中的stringi

library(stringi)
match.mat <- outer(df$name, vec, stri_match_first_regex)
df$group <- apply(match.mat, 1, function(ii) which(!is.na(ii))[1]) 
# [1] for first match in `vec`

#     name id group
#1    john  1     2
#2   david  2    NA
#3  callum  3     3
#4  joanna  4     2
#5 allison  5     1
#6  slocum  6     3
#7    lisa  7     1

Answer 2

使用rebus和stringi的矢量化解决方案。

library(rebus)
library(stringi)

创建一个正则表达式，捕获vec中的任何值。

vec <- c("lis", "^jo", "um$")
(rx <- or1(vec, capture = TRUE))
## <regex> (lis|^jo|um$)

匹配正则表达式，然后转换为因子和整数。

matches <- stri_match_first_regex(df$name, rx)[, 2]
df$group <- as.integer(factor(matches, levels = c("lis", "jo", "um")))

df现在看起来像这样：

     name id group
1    john  1     2
2   david  2    NA
3  callum  3     3
4  joanna  4     2
5 allison  5     1
6  slocum  6     3
7    lisa  7     1

使用具有多个输入的grepl分配组

2 个答案: