R - 從字符串中提取不匹配其他字符串的元素

Question

我想從一個字符串中提取不在另一個字符串中的元素。

最快的（矢量化？）方法是什么？

模擬數據：

library(data.table)
dt <- data.table(id = c("A", "B", "C", "D"),
             product= c("1", "1,2", "1,2,3", "4"),
             stock= c("2, 3", "1,2", "1,2", "4"))

> dt
   id product stock
1:  A       1  2, 3
2:  B     1,2   1,2
3:  C   1,2,3   1,2
4:  D       4     4

我正在尋找的是一個名為new的新變量，它保存product中沒有stock的元素。

> dt
   id product stock  new
1:  A       1  2, 3    1
2:  B     1,2   1,2 <NA>
3:  C   1,2,3   1,2    3
4:  D       4     4 <NA>

注意：它似乎與stringr::str_extract_all完全相反，但此函數沒有negate函數。

Answer 1

這里是一個選項，通過分裂感興趣的列strssplit ，使用setdiff找到elemens沒有第二個。 如果沒有值，即如果length 0，則返回NA

f1 <- function(x, y) {
    x1 <- setdiff(x, y)
   if(!length(x1)) NA_character_ else x1
 }

dt[, new := do.call(Map, c(f = f1,
    unname(lapply(.SD, strsplit, ",")))), .SDcols = 2:3]
dt
#   id product stock  new
#1:  A       1  2, 3    1
#2:  B     1,2   1,2 <NA>
#3:  C   1,2,3   1,2    3
#4:  D       4     4 <NA>

---

或者，如果我們需要使用str_extract_all ， tidyverse 選項將是

library(tidyverse)
dt %>% 
   mutate_at(2:3, list(newvar = ~ str_extract_all(., '\\d+'))) %>%  
   transmute(id, product, stock, new = map2(product_newvar, stock_newvar, f1))

Answer 2

僅使用base和data.table ，我們並行循環遍歷兩列並使用setdiff ，然后添加 NA 並使其成為原子向量：

dt[,new:= mapply(setdiff, strsplit(product, ","), strsplit(stock, ","))]
is.na(dt$new) <- !lengths(dt$new)
dt$new <- unlist(dt$new)
dt
#>    id product stock new
#> 1:  A       1  2, 3   1
#> 2:  B     1,2   1,2  NA
#> 3:  C   1,2,3   1,2   3
#> 4:  D       4     4  NA

這是純data.table代碼：

dt[,new:= mapply(setdiff, strsplit(product, ","), strsplit(stock, ","))][
  lengths(new) == 0, new := NA][
    , new := unlist(new)]