[英]Match multiple substrings from another list of all possible substrings in R
雖然我在之前的帖子中收到了一些很好的反饋,但我相信我最初的問題並不完全清楚,因此答案並沒有產生預期的結果。
我有一個字符變量字符串的長向量,其中大約 600K 觀察值具有 800 個唯一字符串值。 我試圖根據另一個重要字符串變量的向量將這 800 個唯一字符串縮小到大約 20 個唯一字符串。
這是一個例子:
col1 <- c("CORE_I5-xxxx_6C_VPRO", "A6-xxxx_MB", "CORE_I7-xxxx_4C_VPRO_MB", "INTEL_CORE_I3_MB", NA)
col2 <- c("CORE_I5_VPRO", NA, "CORE_I7_VPRO", "INTEL_CORE_I3", NA)
新列 (col2) 已從舊列 (col1) 基於以下字符變量 (V) 創建,僅保留 V 中包含的字符串:
V <- c("CORE", "INTEL", "I5", "I7", "I3", NA)
我嘗試了以下代碼,但它只給了我部分字符串,而不是每個觀察中的所有元素。
library(stringr)
col2 <- str_extract(col1, paste(V, collapse="|"))
我也嘗試了我之前帖子的建議,但不幸的是我沒有得到想要的 output。 謝謝大家的幫助
這里我們創建x
然后使用grepl
:
library(stringr)
x <- str_replace_all(str_remove(S, '(\\d+\\_)'), '\\_', '')
x[grepl(paste0(V, collapse = "|"), x)]
[1] "INTELI5VPRO" "COREdfds" "VPROLI9"
您可以按照原來的方法,但使用str_extract_all
和sapply()
,如下所示:
sapply(str_extract_all(S, paste(V, collapse = "|")),paste0, collapse="")
Output
[1] "INTELI5VPRO" "CORE" "" "VPROI9" "NA"
或者,您可以執行以下操作:
lapply(S, \(s) {
x = strsplit(s, "_")[[1]]
result = paste0(x[x %in% V], collapse="")
ifelse(result=="", as.character(NA),result)
}) %>% unlist()
Output
[1] "INTELI5VPRO" "CORE" NA "I9" NA
str_extract_all
為您提供命中矩陣。 連接每一行的字符串幾乎可以為您提供所需的結果。 只有第三項是""
而不是NA
。
library(stringr)
S = c('123_INTEL_I5_VPRO', '531_CORE_dfds', '93_RAYZEN_29dad', '452_VPROL_I9', NA)
V = c('INTEL','CORE', 'VPRO', 'I5', 'I9')
matches <- sapply(V, function (x) str_extract_all(S, x))
result <- apply(matches, 1, function(x) str_flatten(unlist(x))) # concatenate rows
result[result == ""] <- NA
result
#> [1] "INTELVPROI5" "CORE" NA "VPROI9" NA
由代表 package (v2.0.1) 於 2022 年 6 月 30 日創建
您想使用str_extract_all
並處理像 position 3 中的空提取(基於您的代碼):
sapply(str_extract_all(S, paste(V, collapse = "|")),
function(x) ifelse(length(x) != 0, str_flatten(x), NA)
)
#> [1] "INTELI5VPRO" "CORE" NA "VPROI9" NA
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.