时间戳

首页 > 解决方案 > 从另一个df中的字符串中检测一个df中的多个字符串，如果检测到，则返回检测到的字符串

r - 从另一个df中的字符串中检测一个df中的多个字符串，如果检测到，则返回检测到的字符串

问题描述

我正在学习使用 R，所以请多多包涵。

我有一个谷歌游戏商店应用程序数据集（master_tib）。每行都是一个 Play 商店应用程序。有一列标题为描述，其中包含有关应用程序功能的文本。

master_tib

App     Description
App1    Reduce your depression and anxiety
App2    Help your depression 
App3    This app helps with Anxiety 
App4    Dog walker app 3000

我还有一个 df 的标签 (master_tags)，其中包含我预定义的重要单词。有一个标题为标签的列，每行包含一个标签。

master_tag

Tag
Depression
Anxiety
Stress
Mood

我的目标是根据描述中标签的存在，用 master_tags df 中的标签标记来自 master_tib df 的应用程序。然后它将在新列中打印标签。最终结果将是一个 master_tib df，如下所示：

App     Description                            Tag
App1    Reduce your depression and anxiety     depression, anxiety
App2    Help your depression                   depression
App3    This app helps with anxiety            anxiety
App4    Dog walker app 3000                    FALSE

以下是我迄今为止使用 str_detect 和 mapply 的组合所做的工作：

# define function to use in mapply

detect_tag <- function(description, tag){ 
  if(str_detect(description, tag, FALSE)) {
    return (tag)
  } else { 
    return (FALSE)
  }
}

index <-  mapply(FUN = detect_tag, description = master_tib$description, master_tags$tag)

master_tib[index,]

不幸的是，只有第一个标签被传递。

App     Description                            Tag
App1    Reduce your depression and anxiety     depression

而不是所需的：

App     Description                            Tag
App1    Reduce your depression and anxiety     depression, anxiety

我还没有将结果打印到新列中。很想听听任何人的见解或想法，并为我糟糕的 R 技能提前道歉。

标签： rstringtagsmapply

解决方案

您可以将 master_tagusingstr_c和 use中的单词组合起来str_extract_all以获取与模式匹配的所有单词。

library(stringr)
master_tib$Tag <- sapply(str_extract_all(tolower(master_tib$Description), 
              str_c('\\b', tolower(master_tag$Tag), '\\b', collapse = "|")), 
              function(x) toString(unique(x)))
master_tib$Tag
#[1] "depression, anxiety" "depression"          "anxiety"             ""

数据

master_tag <- structure(list(Tag = c("Depression", "Anxiety", "Stress", "Mood"
)), class = "data.frame", row.names = c(NA, -4L))

master_tib <- structure(list(App = c("App1  ", "App2  ", "App3  ", "App4  "
), Description = c("Reduce your depression and anxiety", "Help your depression", 
"This app helps with Anxiety", "Dog walker app 3000")), row.names = c(NA, 
-4L), class = "data.frame")

推荐阅读