gpt4 book ai didi

r - 检测数据框中的字符串模式并有条件地在 R 中填充另一个

转载 作者:行者123 更新时间:2023-12-04 01:14:13 25 4
gpt4 key购买 nike

我有一个包含文本和数字引用的数据框,以及一个可能出现在文本中的单词向量。我想要的是检查 words_df 中的单词出现在 text_df$text 中的每个实例,并记录来自 word_df 的单词和来自新数据帧 (edge_df) 中 text_df$ref 的数字引用。

text_df <- data.frame(text = c("John went to the shops", "Sarita hates apples", "Wendy doesn't care about this"),
ref = c("13.5", "1.9.9", "20.1"))

words_df <- data.frame(word = c("shops", "John", "apples", "Wendy", "this"))

edge_df <- data.frame(ref = NA, word = NA)

输出应该是这样的:

> edge_df
ref word
1 13.5 shops
2 13.5 John
3 1.9.9 apples
4 20.1 Wendy
5 20.1 this

它不是很优雅,但我认为 for 循环会起作用,其中使用 stringr::str_detect 根据文本检查每个单词,如果结果为 TRUE 它将记录单词和 ref:

for (i in 1:nrow(text_df)) {
for (j in 1:nrow(words_df)) {
if (str_detect(text_df$text[i], words_df$word[j]) == TRUE) {
edge_df$ref <- text_df$ref[i]
edge_df$word <- words_df$word[j]
}
}
}

这没有用,而且这个循环也没有几个变体。如果可能的话,我宁愿根本不使用循环,因为我正在使用的数据帧每个都有大约 1000 行,并且循环遍历它们需要太长时间。非常感谢对循环的任何修复,如果你可以在没有循环的情况下完成它,将获得奖励积分/ Prop 。

谢谢!

最佳答案

这是一个带有 str_extractunnest 的选项。我们将“文本”列中的单词提取到 list 中,并使用 unnest 扩展行

library(dplyr)
library(stringr)
library(tidyr)
text_df %>%
transmute(ref, word = str_extract_all(text,
str_c(words_df$word, collapse="|"))) %>%
unnest(c(word))
# A tibble: 5 x 2
# ref word
# <chr> <chr>
#1 13.5 John
#2 13.5 shops
#3 1.9.9 apples
#4 20.1 Wendy
#5 20.1 this

关于r - 检测数据框中的字符串模式并有条件地在 R 中填充另一个,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63885651/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com