r - 检查数据框中的单词

Question

我有两个数据框 A 和 B。我想检查数据框 B 中是否存在数据框 A 的唯一单词。如果存在，则保留该单词，否则从数据框 B 的每一行中删除单词。

A <- data.frame(name = c(
  "X-ray right leg arteries",
  "consultation of gynecologist",
  "x-ray leg arteries",
  "x-ray leg with 20km distance"
), stringsAsFactors = F)

B <- data.frame(name = c(
  "X-ray left leg arteries",
  "consultation (inspection) of gynecalogist",
  "MRI right leg arteries",
  "X-ray right leg arteries with special care"
), stringsAsFactors = F)


k=unique(unlist(strsplit(A$name, " ")))
d = do.call(rbind, lapply(B$name, function(z) {
  xx = lapply(lapply(k, function(x) grepl(x, unlist(strsplit(z, " ")), fixed = T)), which)
  paste(k[sapply(xx, function(x) length(x)>0)], collapse = " ")
}
))

我已经解决了。只是想知道是否有一种有效的方法来做到这一点，因为我的真实数据集中有超过 15K 行。

Answer 1

我们可以使用“k”从“B”中提取唯一的单词，然后将这些元素粘贴在一起，而不是多次循环

library(stringr)
unlist(lapply(str_extract_all(B$name, paste(k, collapse="|")), 
             paste, collapse=' '))