兩個數據集：如何檢查一個數據集的一列的值是否包含在 R 中另一個數據集的另一列中？

Question

我有兩個數據集data1和data2。 需要注意的是，我的data1包含300行，data2包含5000行。 兩個數據集都有一個名為 x2 的列（如上所示）。 data2 的 x2 列包含 5000 個汽車名稱值，而 data1 的 x2 列僅包含 300 個汽車名稱。
如何檢查data1的x2是否包含在data1的x2中？

data1 <- data.frame(x1 = c(1, 3, 7, 7, 4, 7),  
                    x2 = c("a 1-metha (akD)", "methal methal", "methy", "3-[3-(methy)prox", 
                         "3-carbon (C:H)", "z"),
                             x3 = 10:15)

data2 <- data.frame(x1 = c(1, 3, 7, 7, 4, 7),  
                    x2 = c("a 1-metha (akD)|a 1-metha akaikedenioyl|a 1-m(akD)", "methal methal|X.methal methal|methal (22)", "methy", "3-[3-(methy)prox", 
                         "3-carbon (C:H)", "y"),
                             x3 = 20:25)

我剛開始使用 R 語言。 但我嘗試使用 grep function。 我嘗試自動化，以避免在價值之后做它。

matchedValue <- grep(str_extract(data1$x1[1], "([[:alnum:][:punct:][:blank:]]+)"), 
        str_extract(data2$x2, "([[:alnum:][:punct:][:blank:]]+)"),
        ignore.case = T)

我想知道例如 1-metha (akD)（請參閱 data1 的 x2 列）是否也存在於 data2 的 x2 中，我想為所有 300 行 data1 自動執行此操作。
請問我該怎么做？

Answer 1

library(tidyverse)

data1 %>% 
  mutate(in_data2 = x2 %in% str_extract(data2$x2, "^[^\\|]*"))

# A tibble: 6 × 4
     x1 x2                  x3 in_data2
  <dbl> <chr>            <int> <lgl>   
1     1 a 1-metha (akD)     10 TRUE    
2     3 methal methal       11 TRUE    
3     7 methy               12 TRUE    
4     7 3-[3-(methy)prox    13 TRUE    
5     4 3-carbon (C:H)      14 TRUE    
6     7 z                   15 FALSE 

Answer 2

我們可以使用str_detect和fixed() ，參見https://cran.r-project.org/web/packages/stringr/vignettes/stringr.html#fixed-matches

library(dplyr)
library(stringr)

data1 %>% 
  mutate(check = str_detect(x2, fixed(data2$x2)))

  x1               x2 x3 check
1  1  a 1-metha (akD) 10 FALSE
2  3    methal methal 11 FALSE
3  7            methy 12  TRUE
4  7 3-[3-(methy)prox 13  TRUE
5  4   3-carbon (C:H) 14  TRUE
6  7                z 15 FALSE

Answer 3

您可以在使用 sapply 返回的矩陣上使用 colSums 來檢查 data1 的每一行與 data2 的整個列。

data1$isin <- (colSums(sapply(data1$x2, \(x) grepl(x, data2$x2, fixed = T))) > 0) 

x1               x2 x3  isin
1  1  a 1-metha (akD) 10  TRUE
2  3    methal methal 11  TRUE
3  7            methy 12  TRUE
4  7 3-[3-(methy)prox 13  TRUE
5  4   3-carbon (C:H) 14  TRUE
6  7                z 15 FALSE