web-dev-qa-db-ja.com

dplyrとstringrで複数の文字列を検出する

Dplyrとstringrを組み合わせて、データフレーム内の複数のパターンを検出しようとしています。さまざまな列をテストしたいので、dplyrを使用したいと思います。

サンプルデータは次のとおりです。

test.data <- data.frame(item = c("Apple", "Bear", "Orange", "Pear", "Two Apples"))
fruit <- c("Apple", "Orange", "Pear")
test.data
        item
1      Apple
2       Bear
3     Orange
4       Pear
5 Two Apples

私が使いたいのは次のようなものです。

test.data <- test.data %>% mutate(is.fruit = str_detect(item, fruit))

受け取ります

        item is.fruit
1      Apple        1
2       Bear        0
3     Orange        1
4       Pear        1
5 Two Apples        1

非常に簡単なテストが機能します

> str_detect("Apple", fruit)
[1]  TRUE FALSE FALSE
> str_detect("Bear", fruit)
[1] FALSE FALSE FALSE

しかし、dplyrがなくても、これをデータフレームの列で機能させることはできません。

> test.data$is.fruit <- str_detect(test.data$item, fruit)
Error in check_pattern(pattern, string) : 
  Lengths of string and pattern not compatible

誰かがこれを行う方法を知っていますか?

13
r.bot

_str_detect_は長さ1のパターンのみを受け入れます。 paste(..., collapse = '|')を使用して1つの正規表現に変換するか、anyを使用します。

_sapply(test.data$item, function(x) any(sapply(fruit, str_detect, string = x)))
# Apple       Bear     Orange       Pear Two Apples
#  TRUE      FALSE       TRUE       TRUE       TRUE

str_detect(test.data$item, paste(fruit, collapse = '|'))
# [1]  TRUE FALSE  TRUE  TRUE  TRUE
_
19

この単純なアプローチは、完全一致でうまく機能します。

test.data %>% mutate(is.fruit = item %in% fruit)
# A tibble: 5 x 2
        item is.fruit
       <chr>    <lgl>
1      Apple     TRUE
2       Bear    FALSE
3     Orange     TRUE
4       Pear     TRUE
5 Two Apples    FALSE

このアプローチは、部分一致(質問です)で機能します。

test.data %>% 
rowwise() %>% 
mutate(is.fruit = sum(str_detect(item, fruit)))

Source: local data frame [5 x 2]
Groups: <by row>

# A tibble: 5 x 2
        item is.fruit
       <chr>    <int>
1      Apple        1
2       Bear        0
3     Orange        1
4       Pear        1
5 Two Apples        1
13
Henrik