在 R 中跨字符向量查找匹配项

Question

鉴于以下两个向量，有没有办法生成所需的数据帧？ 这代表了一个现实世界的情况，我必须数据帧第一个包含一个带有数据库值（键）的列，第二个包含一个包含 1000+ 行的列，每个文件名（可能）我需要匹配。 问题是可以有多个文件（可能）与任何给定的键匹配。 我曾使用过 grep、合并、内部连接等，但无法将它们合并到一个解决方案中。 任何建议表示赞赏！

potentials <- c("tigerINTHENIGHT",
            "tigerWALKINGALONE",
            "bearOHMY",
            "bearWITHME",
            "rat",
            "imatchnothing")
keys <- c("tiger",
            "bear",
            "rat")


desired <- data.frame(keys, c("tigerINTHENIGHT, tigerWALKINGALONE", "bearOHMY, bearWITHME", "rat"))
names(desired) <- c("key", "matches")

我认为的解决方案的伪代码：

#new column which is comma separated potentials
# x being the substring length i.e. x = 4 means true if first 4 letters match
function createNewColumn(keys, potentials, x){
  str result = na
  foreach(key in keys){
    if(substring(key, 0, x) == any(substring(potentals, 0 ,x))){ //search entire potential vector
      result += potential that matched + ', '
    }
  }
  return new column with result as the value on the current row
}

Answer 1

我们可以编写一个小函数来提取匹配项，然后遍历键：

return_matches <- function(keys, potentials, fixed = TRUE) {
  vapply(keys, function(k) {
    paste(grep(k, potentials, value = TRUE, fixed = fixed), collapse = ", ")
  }, FUN.VALUE = character(1))
}

vapply只是sapply的类型安全版本，这意味着它只会返回字符向量。 当您设置fixed = TRUE时，function 将运行得更快，但不再识别正则表达式。 然后我们可以轻松制作所需的data.frame ：

df <- data.frame(
  key = keys,
  matches = return_matches(keys, potentials),
  stringsAsFactors = FALSE
)
df
#>         key                            matches
#> tiger tiger tigerINTHENIGHT, tigerWALKINGALONE
#> bear   bear               bearOHMY, bearWITHME
#> rat     rat                                rat

将循环放在 function 中而不是直接运行它的原因只是为了使代码看起来更干净。

Answer 2

您可以使用grep进行交互

 > Match <- sapply(keys, function(item) {
                  paste0(grep(item, potentials, value = TRUE), collapse = ", ")
     } )     

> data.frame(keys, Match, row.names = NULL)
       keys                              Match
    1 tiger tigerINTHENIGHT, tigerWALKINGALONE
    2  bear               bearOHMY, bearWITHME
    3   rat                                rat