r - 将字符串解析为嵌套的 data.table

Question

我在一个表中有数据，其中每一行中的一个单元格是一个多行字符串，其格式有点像在其末尾带有引用的文档。例如，其中一个字符串如下所示:

item A...1
item B...2
item C...3
item D...2
1=foo
2=bar
3=baz

我的最终目标是将 foo/bar/baz 提取到列中并计算匹配项。因此，对于上述内容，我最终会得到一行，包括:

foo | bar | baz
----+-----+----
1   | 2   | 1

我试图从提取“引用”映射开始，作为一个嵌套的 data.table，看起来像这样:

code | reason
-----+-------
1    | foo
2    | bar
3    | baz

这是我尝试使用 data.table 和 stringr 实现的方法。

encounter_alerts[, whys := lapply(
  str_extract_all(text, regex('^[0-9].*$', multiline = TRUE)),
  FUN = function (s) { fread(text = s, sep = '=', header = FALSE, col.names = c('code', 'reason')) }
)]

我对尝试执行此操作时收到的错误消息感到非常困惑:

Error in fread(text = s, sep = "=", header = FALSE, col.names = c("code",  :
  file not found: 1=foo

我明确使用 text 而不是 file 所以我不确定它是如何尝试将文本行解释为文件名的!

当我用单行测试它时，它似乎工作正常:

> fread(text = str_extract_all(encounter_alerts[989]$text, regex('^[0-9].*$', multiline = TRUE))[[1]], sep = '=', header = FALSE, col.names = c('code', 'reason'))
   code reason
1:    1    foo
2:    2    bar

我做错了什么？有更好的方法吗？

谢谢!

Answer 1

注:阅读评论后编辑

根据您的评论，我尝试重现我所理解的您的数据可能的样子。

library(tidyverse)

df <- tibble(
  strings = c("item A...1
item B...2
item C...3
item D...2
1=foo
2=bar
3=baz",
"item A...2
item B...2
item C...3
item D...1
1=toto
2=foo
3=lala",
"item A...3
item B...3
item C...3
item D...1
1=tutu
3=ttt")
)

代码:

get_ref <- function(string) {
  string %>%
    str_split("\n") %>%
    unlist() %>% 
    str_subset("=") %>%
    str_split_fixed("=", 2) %>%
    as_tibble() %>%
    rename(code = V1, reason = V2)
}

list1 <- map(df$strings, get_ref)

get_value <- function(string) {
  string %>%
      str_split("\n") %>%
      unlist() %>% 
      str_subset("\\.\\.\\.") %>%
      str_replace_all(".*\\.\\.\\.", "") %>%
      as_tibble() %>%
    rename(code = value)
}

list2 <- map(df$strings, get_value)

get_result <- function(df1, df2) {
  left_join(df1, df2) %>%
    count(reason) %>%
    spread(reason, n)
}

result <- map2_df(list1, list2, get_result)

result[is.na(result)] <- 0

result

结果

# A tibble: 3 x 7
    bar   baz   foo  lala  toto   ttt  tutu
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1     2     1     1     0     0     0     0
2     0     0     2     1     1     0     0
3     0     0     0     0     0     3     1