r - 检测不同数据框中的字符串，从 R 中的列返回值

Question

在数据框中我有一个字符列(一个词)，其中每个词可以出现多次

word = c(
   "OMEPRAZOL",
   "PARACETAMOL",
   "HIDROFEROL",
   "ENALAPRIL",
   "PARACETAMOL",
   "NOISE"
)

在不同的数据框中，我有一列包含字符串，另一列包含关联的 ID 代码:

string_code = data.frame(
   string = c(
   "OMEPRAZOL XXXX",
   "OMEPRAZOL YYYY",
   "PARACETAMOL/A XXXX",
   "PARACETAMOL/B YYYY",
   "HIDROFEROL XXXX",
   "ENALAPRIL XXXX",
   "ENALAPRIL YYYY"),
   code = c(
   "11",
   "11",
   "22",
   "22",
   "33",
   "44",
   "44")
)

我想在 string_code$string 中查找 word 的每个元素，当有匹配项时，返回 string_code$code 中的关联 ID (只有第一个匹配项，因为可能有多个匹配项，而且 ID 无论如何都是相同的)- 如果没有匹配项，则为 NA。

word_code = data.frame(
   word = c(
   "OMEPRAZOL",
   "PARACETAMOL",
   "HIDROFEROL",
   "ENALAPRIL",
   "PARACETAMOL",
   "NOISE"),
   code = c(
   "11",
   "22",
   "33",
   "44",
   "22",
   "NA")
)

Answer 1

这是 fuzzyjoin 包中 regex_full_join() 的潜在应用。

尝试

    fuzzyjoin::regex_full_join(string_code, word) %>% select(-1) %>% distinct

获得

>   fuzzyjoin::regex_full_join(string_code, word) %>% select(-1) %>% distinct
Joining by: "string"
  code    string.y
1   11   OMEPRAZOL
2   22 PARACETAMOL
3   33  HIDROFEROL
4   44   ENALAPRIL
5 <NA>       NOISE

请注意，您需要像这样定义word，

  word <- as.data.frame(word)
  colnames(word) <- "string"