Question

我有一个关于迭代查找的问题。我试图从文本数据库（一个本体）中提取文本，该数据库将单词彼此关联，以便当我查询一个单词时，它给我所有的子单词（例如“内窥镜检查”会给我所有内窥镜检查的亚型，例如“结肠镜检查”，“胃镜检查”等）。

当我查询单词时，我会得到一个包含所有相关单词的数据框。然后，我想在返回的数据框中查找所有这些单词，并查看其相关的子单词等，直到搜索用尽。为了提供一个最小的可重现示例，我有三个数据框，如下所示：第一个数据框是原始查找查询的返回值（查找的完成方式不相关，因此不包含此函数详细信息）

Numsdf1<-c("C123","C456","C789")
Textdf1<-c("Harry","Bobby","Terry")
df1<-data.frame(Numsdf1,Textdf1,stringsAsFactors=FALSE)

第二个数据帧是查询字符串"C123"

的结果

NumsC123<-c("Coo","Noo","Too")
TextC123<-c("Tim","Slim","Shim")
C123<-data.frame(NumsC123,TextC123,stringsAsFactors=FALSE)

第三个数据帧是查找"Coo"

的结果

NumsCoo<-c("S144","S199","S743")
TextCoo<-c("Ellie","Bellie","Tellie")
Coo<-data.frame(NumsCoo,TextCoo,stringsAsFactors=FALSE)

第四是查找"Noo"

的结果

NumsNoo<-c("GHS","THE","PAA")
TextNoo<-c("Front","Bunt","Shunt")
Noo<-data.frame(NumsNoo,TextNoo,stringsAsFactors=FALSE)

查找"Too"

时不会返回任何内容

为了简洁起见，我没有包括其余的查询内容。

因此，我想派生一个搜索每个表的函数，直到返回一个数据框为止，如果返回了一个数据框，则将其用于搜索。一旦搜索到的数据帧到达查找条件的末尾，则它应返回到父表以继续查找。我想存储所有返回的数据帧。

我想这可以通过像这样

来实现

lapply(df1$Numsdf1,function(x) lookup(x))

其中查找将获取数据帧并存储结果。问题是，这仅适用于一级查找，但是我如何应用后续子表的查找和存储（可能比此处显示的层多得多）

以上示例的结果应为：

最终数据框：

NumsFinal<-c("C123","C456","C789","Coo","Noo","Too","S144","S199","S743","GHS","THE","PAA"
TextFinal<-c("Harry","Bobby","Terry","Tim","Slim","Shim","Ellie","Bellie","Tellie","Front","Bunt","Shunt"

我猜这只是所有行的参考。我遇到的问题是如何对我的查找功能应用lapply并确保通过父表和子表递归完成查找，以及如何确保重新启动父表中的查找（在它的左边）子查找完成后（即Nums列中的所有字符串都已查找）

Answer 1

这听起来像递归问题。您可以浏览数据框中第一列的所有元素。如果找到与该名称匹配的名称（即，全局环境中使用该名称的数据框），则使用该新数据框调用该函数，然后递归再次开始。如果找不到数据框，则只需返回数据框。

请注意，最终输出将是一个嵌套列表，并且某些数据帧会出现多次。您可以结合使用unlist，do.call(rbind,..)和unique以获得最终结果。

编辑：略微更改了代码，以从调用中获得更方便的数据结构。

library(tidyverse)
get_all_dfs <- function(df) {
   lapply(df[, 1], function(elem) {
      print(paste("Looking for element", elem))
      # use mget because we can use ifnotfound despite we are requesting only one element
      next_df <- mget(elem, env = .GlobalEnv, ifnotfound = NA)
      if (!is.na(next_df)) {
         unlist(get_all_dfs(next_df[[1]]), F)
      } else {
         list(setNames(df, c("col1", "col2")))
      }
    })
}

flatten_dfr(get_all_dfs(df1)) %>% unique()

因此搜索路径将为C123 -> Coo -> S144 -> S199 -> S743 -> Noo -> GHS -> THE -> PAA -> Too -> C456 -> C789

如何通过父和子数据框执行搜索

1 个答案: