regex - 使用具有多个输入的 grepl 分配组

Question

我有一个数据框:

df <- data.frame(name=c("john", "david", "callum", "joanna", "allison", "slocum", "lisa"), id=1:7)
df

     name id
1    john  1
2   david  2
3  callum  3
4  joanna  4
5 allison  5
6  slocum  6
7    lisa  7

我有一个包含正则表达式的向量，我希望在 df$name 变量中找到它:

vec <- c("lis", "^jo", "um$")

我想要得到的输出如下:

     name id group
1    john  1     2
2   david  2    NA
3  callum  3     3
4  joanna  4     2
5 allison  5     1
6  slocum  6     3
7    lisa  7     1

我可以通过以下方式做到这一点:

df$group <- ifelse(grepl("lis", df$name), 1,
              ifelse(grepl("^jo", df$name), 2,
               ifelse(grepl("um$", df$name), 3,
                 NA)

但是，我想直接从“vec”执行此操作。我正在一个 Shiny 的应用程序中 react 性地将不同的值生成到 vec 中。我可以根据 vec 中的索引分配组吗？

此外，如果发生以下情况，该组应该是第一个出现的。例如对于“all”和“um$”，“Callum”为 TRUE，但此处应该得到组 1。

vec <- c("all", "^jo", "um$")

Answer 1

这里有几个选项:

df$group <- apply(Vectorize(grepl, "pattern")(vec, df$name),
                  1,
                  function(ii) which(ii)[1])
#     name id group
#1    john  1     2
#2   david  2    NA
#3  callum  3     3
#4  joanna  4     2
#5 allison  5     1
#6  slocum  6     3
#7    lisa  7     1

<小时/>

使用命名向量并对其进行合并:

names(vec) <- seq_along(vec)

df <- merge(df, stack(Vectorize(grep, "pattern", SIMPLIFY=FALSE)(vec, df$name)),
 by.x="id", by.y="values", all.x = TRUE)

df[!duplicated(df$id),] # to keep only the first match
#  id    name  ind
#1  1    john    2
#2  2   david <NA>
#3  3  callum    3
#4  4  joanna    2
#5  5 allison    1
#6  6  slocum    3
#7  7    lisa    1

<小时/>

for 循环:

df$group <- NA

for ( i in rev(seq_along(vec))) {
  TFvec <- grepl(vec[i], df$name)
  df$group[TFvec] <- i
}

df
#     name id group
#1    john  1     2
#2   david  2    NA
#3  callum  3     3
#4  joanna  4     2
#5 allison  5     1
#6  slocum  6     3
#7    lisa  7     1

<小时/>

或者您可以将 outer 与 stringi 中的 stri_match_first_regex 一起使用

library(stringi)
match.mat <- outer(df$name, vec, stri_match_first_regex)
df$group <- apply(match.mat, 1, function(ii) which(!is.na(ii))[1]) 
# [1] for first match in `vec`

#     name id group
#1    john  1     2
#2   david  2    NA
#3  callum  3     3
#4  joanna  4     2
#5 allison  5     1
#6  slocum  6     3
#7    lisa  7     1