r - R：计算一系列列中列名中的文本不匹配

Question

我有一组名称由多个项目组成的列，类似于：

df1<-data.frame(`apple,onion,pear`=0,`apple,banana,onion,pear`=0,`banana,pear`=0)

我在数据框中还有一组包含项目的列：

df2<-data.frame(thing_1=c('apple','onion','pear','banana'),thing_2=c('onion',NA,'banana','tree'),thing_3=c(NA,NA,'apple','pear'),thing_4=c(NA,NA,NA,'lobster'))

对于每个以 itemlist 命名的列，我想计算每行df2中不存在于列名中的项目。NA 不应算作不匹配。真实数据集中存在数百行和数百列，但thing_存在的列数很少且固定。

所需的输出如下：

desiredresult<-data.frame(thing_1=c('apple','onion','pear','banana'),thing_2=c('onion',NA,'banana','tree'),thing_3=c(NA,NA,'apple','pear'),thing_4=c(NA,NA,NA,'lobster'),
                      'apple,onion,pear'=c(0,0,1,3),`apple,banana,onion,pear`=c(0,0,0,2),'banana,pear'=c(2,1,1,2))

作为逻辑的简要说明：

对于apple.onion.pear列，第 1 行是 0，因为“apple”thing_1和“onion”thing_2都出现在列名中，并且 NA 不会导致不匹配。第 3 行的值为 1，因为thing_2是“香蕉”，它没有出现在列名中，所有其他项目要么是 NA，要么可以在列名中找到。

到目前为止，我一直在使用grepl()，但我很难过！任何帮助将非常感激。

标签： rstringgrepl

Answer 1

与tidyverse：

library(tidyverse)

strsplit(names(df1), split="\\.") %>%
  map2_dfc(syms(names(df1)),
           ~ transmute(df2, !!(.y) := apply(df2, 1, function(z) sum(!z %in% .x & !is.na(z))))) %>%
  bind_cols(df2, .)

输出：

  thing_1 thing_2 thing_3 thing_4 apple.onion.pear apple.banana.onion.pear
1   apple   onion    <NA>    <NA>                0                       0
2   onion    <NA>    <NA>    <NA>                0                       0
3    pear  banana   apple    <NA>                1                       0
4  banana    tree    pear lobster                3                       2
  banana.pear
1           2
2           1
3           1
4           2