Question

我有一个带有'NAME'列的数据框，如下所示：

NAME                            
Cybermart co                                               
Hot burgers hot sandwiches                       
Landmark co

我想在此数据框中添加一个新列，具体取决于：是否在“名称”列中有任何重复的单词。所以新专栏将是这样的：

REPEATED_WORD  
No  
Yes  
No

我有什么方法可以做到这一点吗？

Answer 1

我们可以分享名称＆＃39; NAME＆＃39;按空格列（\\s+），循环输出list并检查length个unique元素是否与每个length相同{ {1}}元素获取逻辑list。将逻辑向量转换为＆＃34;是＆＃34;，＆＃34;否＆＃34; （如果需要）

vector

如果我们使用df1$REPEATED_WORD <- c("No", "Yes")[sapply(strsplit(df1$NAME, '\\s+'), function(x) length(unique(tolower(x)))!=length(x)) + 1L] df1$REPEATED_WORD #[1] "No" "Yes" "No"，我们可以捕获非空白元素（regex）并使用正则表达式外观来检查是否有任何重复的单词。

(\\S+)

最好将其保留为逻辑矢量，而不是转换为＆＃34;是/否＆＃34;。如果需要，只需将1添加到逻辑向量（或使用library(stringi) stri_detect(tolower(df1$NAME), regex="(\\S+)(?=.*\\s+\\1\\s+)") #[1] FALSE TRUE FALSE）并将TRUE值更改为＆＃34;是＆＃34;和＃34;否＆＃34; （如上所示）

Answer 2

vapply(strsplit(tolower(x), "\\s+"), anyDuplicated, 1L) > 0L
#[1] FALSE  TRUE FALSE

Answer 3

我对@ akrun的第二个（纯正则表达式）有类似的解决方案。我将把它放在以后对未来的搜索者有用的时候：

NAME <-                           
c('Cybermart co',
'Hot burgers hot sandwiches',
'Landmark co'
)

grepl("(?i)\\b(\\w+)\\s+.*\\1\\b", NAME, perl=TRUE)
## [1] FALSE  TRUE FALSE

使用R计算列中的重复单词

3 个答案: