r - 条件循环以获取基于组的字符串长度

Question

我有一个带有多个 R*CI 的数据框想要创建一个条件循环，它将检查列中最长的字符串并将其标记为 group1，然后将其内容与列中的其他字符串进行比较以进行匹配。条件是，如果列中存在与最长字符串匹配的任何字符串，则将其标记为组 1。如果存在任何新元素，则将其标记为下一组。

   STR
"G,D,E","F"  
"D,E,F","G"
"D,E","F"
"A,B","C"
“光盘”
“A”、“B”        

输出应该是这样的：

   STR集团  
 "G,D,E","F" 1   
 "D,E,F","G" 1
 "D,F","E" 1
 "D,E","F" 1
 "A,B","C" 2
 "C","D" 3
 "A","B" 2

标签： r

Answer 1

这是第一次尝试。我假设给定的数据结构是一个包含两列的数据框，就像在您的示例中一样。这是我所做的：

str_1 <- c("G,D,E", "D,E,F", "D,E", "A,B", "C", "A")
str_2 <- c("F", "G", "F", "C", "D", "B")
str_df <- data.frame(str_1, str_2)
merged_str <- paste(str_df[,1], str_df[,2], sep=",")
str_list <- strsplit(merged_str, ",")

is_in_group <- function(letters, group){
  for (letter in letters) {
    if(!(letter %in% group)) {
      return(FALSE)
    }
  }
  return(TRUE)
}

groups <- list() 
groups[[1]] <- str_list[[1]]
group_vec <- rep(0, length(str_list))
group_vec[1] <- 1

for (i in 2:length(str_list)) {
  curr_letters <- str_list[[i]]
  new_group = TRUE
  for (g in 1:length(groups)) {
    if(is_in_group(curr_letters, groups[[g]])) {
      group_vec[i] <- g
      new_group = FALSE
      break
    }
  }
  if (new_group) {
    groups[[length(groups)+1]] <- curr_letters
    group_vec[i] <- length(groups)
  }
}