Question

我有一个名为“Productdes”的专栏，其中包含数千行产品描述，如：

Productdes

Varitas mágicas de Harry Potter  
Figuras de Star Wars  
Coleccionismo de Harry Potter  
Espadas de Juego de Tronos  
Bola de Dragon Z  
Estatuas de The Witcher (El Brujo)  
Figuras de Chucky El Muñeco Diabólico  
Cascos de Star Wars  
Espadas de The Legend of Zelda  
Estatuas de Los Vengadores (The Avengers)

我想创建一个名为“Theme”的新列，该列为每一行提取该行中的某些单词，如下所示：

Theme
Harry Potter  
Star Wars  
Harry Potter  
Juego de Tronos  
Dragon Z  
El Brujo  
Chucky El Muñeco Diabólico  
Star Wars  
Zelda  
Los Vengadores

我使用了以下功能但没有成功：

mutate(Theme = str_extract(Productdes, 
                           c("Harry Potter",Star Wars","Juego de Tronos","Dragon Z",
                             "El Brujo","Chucky El Muñeco Diabólico","Zelda",
                             "Los Vengadores"))

我很感激任何帮助。感谢

Answer 1

我们可以paste vector个字符串来创建一个带有分隔符|的单个字符，以用作str_extract

中的模式参数

v1 <-  c("Harry Potter","Star Wars","Juego de Tronos","Dragon Z",
                         "El Brujo","Chucky El Muñeco Diabólico","Zelda",
                         "Los Vengadores")

df1$Theme <- str_extract(df1$Productdes, paste(v1, collapse="|"))
df1$Theme
#[1] "Harry Potter"               "Star Wars"                  "Harry Potter"               "Juego de Tronos"           
#[5] "Dragon Z"                   "El Brujo"                   "Chucky El Muñeco Diabólico" "Star Wars"                 
#[9] "Zelda"                      "Los Vengadores"

创建一个提取特定单词

1 个答案: