R 函數，用於檢測數據框列是否包含來自另一個數據框列的字符串值並添加包含檢測到的 str 的列

Question

我有兩個數據框：

df1：

姓名
蘋果頁面
芒果頁面
荔枝汁
蔓越莓俱樂部

df2:

水果
蘋果
葡萄
草莓
芒果
荔枝
蔓越莓

如果 df1$name 包含 df2$fruit 中的值（不區分大小寫），我想向 df1 添加一個列，該列具有 df1$name 包含的 df2$fruit 值。 df1 然后看起來像這樣：

姓名	類別
蘋果頁面	蘋果
芒果頁面	芒果
荔枝汁	荔枝
蔓越莓俱樂部	蔓越莓

Answer 1

這應該有效：

library(stringr)
df1$category = str_extract(
  df1$name, 
  pattern = regex(paste(df2$fruit, collapse = "|"), ignore_case = TRUE)
)

df1
#             name  category
# 1     Apple page     Apple
# 2     Mango page     Mango
# 3   Lychee juice    Lychee
# 4 Cranberry club Cranberry

使用這些數據：

df1 = read.table(text = 'name
Apple page
Mango page
Lychee juice
Cranberry club', header = T, sep = ";")

df2 = read.table(text = 'fruit
Apple
Grapes
Strawberry
Mango
lychee
cranberry', header = T, sep = ";")

Answer 2

首先，您可以使用名稱作為占位符（僅填充 NA）為數據框的每個可能類別創建一列。 然后對於這些列中的每一個，檢查列名（即類別）是否出現在名稱中。 把它變成一個長數據框，然后刪除FALSE行——那些沒有檢測到名稱中的類別的行。

library(tidyverse)

df1 <- tribble(
  ~name,
  "Apple page",
  "Mango page",
  "Lychee juice",
  "Cranberry club"
)
df2 <- tribble(
  ~fruit,
  "Apple",
  "Grapes",
  "Strawberry",
  "Mango",
  "lychee",
  "cranberry"
)

fruits <- df2$fruit %>%
  str_to_lower() %>% 
  set_names(rep(NA_character_, length(.)), .)

df1 %>% 
  add_column(!!!fruits) %>% 
  mutate(across(-name, ~str_detect(str_to_lower(name), cur_column()))) %>% 
  pivot_longer(-name, names_to = "category") %>% 
  filter(value) %>% 
  select(-value)

#> # A tibble: 4 × 2
#>   name           category 
#>   <chr>          <chr>    
#> 1 Apple page     apple    
#> 2 Mango page     mango    
#> 3 Lychee juice   lychee   
#> 4 Cranberry club cranberry