r - 匹配两个向量并在字符串中替换

Question

以下问题:我有两个数据帧，我想将数据帧 data1 中的一个向量与数据帧 data2 中的一个向量进行匹配。

data1 <- data.frame(v1 = c("horse", "duck", "bird"), v2 = c(1,2,3))
data2 <- data.frame(v1 = c("car, horse, mouse", "duck, bird", "bird"))

如果 data2 中的字符串匹配，则应将其替换为 data1 中的相应值 v2。结果如下所示:

for(i in 1:nrow(data1)) data2[,1] <- gsub(data1[i,1], data1[i,2], data2[,1], fixed=T)
data2

但是，是否有一种想法使用矢量化解决方案而不是 for 循环来为巨大的数据集创建更好的性能？

提前致谢!

--更新:

当我遇到两个数据帧长度不同时会发生什么？

data2 <- data.frame(v1 = c("car, horse, mouse", "duck, bird","bird", "bird"))

当我使用此解决方案时:

data2$v1 <- mapply(sub, data1$v1, data1$v2, data2$v1)

然后我收到以下警告消息:

1: In mapply(sub, data1$v1, data1$v2, data2$v1) : longer argument not a multiple of length of shorter 2: In mapply(sub, data1$v1, data1$v2, data2$v1) : longer argument not a multiple of length of shorter

但是，mgsub 解决方案非常完美!谢谢!

Answer 1

使用更新后的data2。 data1 和 data2 之间的 nrows 不同，这里，我们假设两者的 v1 列之间的任何匹配datasets 应替换为 data1 中 v2 列的相应值。

library(qdap)
mgsub(as.character(data1$v1), data1$v2, data2$v1)
#[1] "car, 1, mouse" "2, 3"          "3"             "3"    

注意 mgsub 有一些错误处理，用于处理在较大字符串中找到子字符串并且两者都在“要替换”中的情况 em>' 列表。以下是 horse 和 horses 的示例:

data1 <- data.frame(v1 = c("horse", "duck", "bird", "horse", "horses"), v2 = 1:5)
data2 <- data.frame(v1 = c("car, horses, mouse", "duck, bird, horse", "bird"))

library(stringi)
stri_replace_all_fixed(data2$v1, data1$v1, data1$v2)

## [1] "car, 1s, mouse"    "2, bird, horse"    "3"                 "car, 4s, mouse"    "duck, bird, horse"
## Warning message:
## In stri_replace_all_fixed(data2$v1, data1$v1, data1$v2) :
##   longer object length is not a multiple of shorter object length

library(qdap)
mgsub(as.character(data1$v1), data1$v2, data2$v1)

## [1] "car, 5, mouse" "2, 3, 4"       "3"  

mgsub 确保首先替换较长的单词。这使得 mgsub 更慢但更安全。根据您的数据类型/需求，此处的任一解决方案都可能有用。