R - 識別數據框中特定列的逗號分隔列表中的單詞

Question

我在數據框中有一個特定的列，該列的每個單元格都有一個逗號分隔的單詞列表，沒有空格。 我想在每個單元格中挑選出（其中一個）兩個特定單詞的存在，當檢測到該存在時，我想創建一個由“是”填充的新列，否則該單元格為空白。

例如，我想檢測存在的兩個單詞是“test word 1”和“test word 2”（注意這兩個測試詞中的每一個都存在空格）。 列中的每個單元格的格式為“word1,word2,......”（注意沒有空格），可能包含也可能不包含兩個測試詞。

x_test <- c('test word 1','test word 2') 

我嘗試了幾種方法。 但它們似乎都無法檢測到測試詞，因為整個單元格被解釋為一個大詞，

A <- strsplit(current_cell, split=",")
B <- c(unlist(strsplit(A, split=",")) 
C <- lapply( df['col_name'],  B)

或者，該方法似乎剝離了整個列並從中創建了一個巨大的列表。

C <- gsub(",([A-Za-z])", ", \\1", df$col_name)

我也嘗試過兩個向量的交集，但這也不起作用。

無論使用什么方法來獲得 C，我們都想問類似的問題

df$test <- ifelse( C %in% x_test , 'yes', '')

我如何在不遇到上述問題的情況下在 R 中實現所有這些？

（這是我要操作的特定列的示例。在這種情況下，我針對的兩個表達式是“非必要業務”和“所有業務”）：

entertainment,recreation,offices,tourism
entertainment,venues,non-essential businesses
hospitality,entertainment,fitness,beauty
all businesses
hospitality,entertainment,fitness
entertainment,religion,non-essential businesses

Answer 1

假設您有以下數據：

df <- data.frame(str = c("entertainment,recreation,offices,tourism",
"entertainment,venues,non-essential businesses",
"hospitality,entertainment,fitness,beauty",
"all businesses",
"hospitality,entertainment,fitness",
"entertainment,religion,non-essential businesses"))

和這些測試詞：

test_words <- c("non-essential businesses", "all businesses")

然后您可以將測試詞轉換為交替模式：

test_words_patt <- paste0(test_words, collapse = "|")

並將該模式​​輸入grepl以檢測str和ifelse中是否存在任何測試詞，以便用“yes”和“”填充新列：

library(dplyr)
df %>%
  mutate(test_word_is_present = ifelse(grepl(test_words_patt, str),
                                       "yes", 
                                       ""))
                                              str test_word_is_present
1        entertainment,recreation,offices,tourism                     
2   entertainment,venues,non-essential businesses                  yes
3        hospitality,entertainment,fitness,beauty                     
4                                  all businesses                  yes
5               hospitality,entertainment,fitness                     
6 entertainment,religion,non-essential businesses                  yes

在base R ：

df$test_word_is_present <- ifelse(grepl(test_words_patt, df$str),
                                        "yes", 
                                        "")