时间戳

首页 > 解决方案 > R：具有标记化和 %like% 的自创函数仅适用于第一个标记

r - R：具有标记化和 %like% 的自创函数仅适用于第一个标记

问题描述

我有一个两列的数据框，第二列（单元）主要包含第一列（str）的第一个单词。请查看以下内容：

> df <- data.frame(str = c("cups vegetable soup", "cup brown lentils", "carrot", "stalks celery"), unit = c("cups", "cup", NA, "stalks"), stringsAsFactors = FALSE)

> df
                  str   unit
1 cups vegetable soup   cups
2   cup brown lentils    cup
3              carrot   <NA>
4       stalks celery stalks

如果 $str 的第一个单词与 $unit 处的相应值（在同一行上）匹配，我想删除它。

对于该范围，我创建了如下所示的函数“DelFunction”：

 DelFunction <- function(x, y) {
  tokens_x <- x[[1]]
  tokens_y <- y[[1]]
  if ((tokens_x %like% tokens_y) == TRUE) {
    regmatches(tokens_x, regexpr("[a-z]+", tokens_x)) <- ""
  }
  tokens_x
}

在此之后，我在相应的行上使用了 sapply

df$str<- sapply(df$str, DelFunction, df$unit)

如您所见，我得到以下结果，该代码仅适用于第一行，其中删除了“cups”一词。

> df
                str   unit
1    vegetable soup   cups
2 cup brown lentils    cup
3            carrot   <NA>
4     stalks celery stalks

目标是得到以下结果

> df
                str   unit
1    vegetable soup   cups
2    brown lentils    cup
3            carrot   <NA>
4             celery stalks

有人知道如何解决这个问题吗？

谢谢！

标签： rfunctiondataframecomparisontokenize

解决方案

可能的答案：

library(stringr)
library(dplyr, warn.conflicts = FALSE)

df <-
  data.frame(
    str = c(
      "cups vegetable soup",
      "cup brown lentils",
      "carrot",
      "stalks celery"
    ),
    unit = c("cups", "cup", NA, "stalks"),
    stringsAsFactors = FALSE
  )

df %>%
  mutate(str = trimws(str_replace(str, unit, ''))) %>%
  mutate(str = if_else(is.na(unit), df$str, str)) -> df2

df2
#>              str   unit
#> 1 vegetable soup   cups
#> 2  brown lentils    cup
#> 3         carrot   <NA>
#> 4         celery stalks

在不改变（很多）原始代码的情况下另一个可能的答案：


library(DescTools)

df <-
  data.frame(
    str = c(
      "cups vegetable soup",
      "cup brown lentils",
      "carrot",
      "stalks celery"
    ),
    unit = c("cups", "cup", NA, "stalks"),
    stringsAsFactors = FALSE
  )

DelFunction <- function(x, y) {
  tokens_x <- x
  tokens_y <- paste0(y, "%")

  if ((tokens_x %like% tokens_y) == TRUE) {
    regmatches(tokens_x, regexpr("[a-z]+", tokens_x)) <- ""
  }
  trimws(tokens_x)
}

df$str <- sapply(df$str, DelFunction, df$unit)
df
#>              str   unit
#> 1 vegetable soup   cups
#> 2  brown lentils    cup
#> 3         carrot   <NA>
#> 4         celery stalks

推荐阅读