r - 使用 dplyr 过滤包含部分列字符串的行

Question

假设我有一个像

term     cnt
apple     10
apples     5
a apple on 3
blue pears 3
pears      1

我如何过滤此列中的所有部分找到的字符串，例如结果得到

term     cnt
apple     10
pears      1

没有指明我要过滤哪些术语(苹果|梨)，而是通过自引用方式(即它确实根据整列检查每个术语并删除部分匹配的术语)。 token 的数量没有限制，字符串的一致性也没有限制(即“mapples”会被“apple”匹配)。这将导致基于 dplyr 的反向广义版本

d[grep("^apple$|^pears$", d$term), ]

此外，使用这种分离来获得累计总和会很有趣，例如

term     cnt
apple     18
pears      4

我无法让它与 contains() 或 grep() 一起使用。

谢谢

Answer 1

希望得到完整的答案。不是很惯用(作为 Pythonista 的电话)，但有人可以建议对此进行改进:

> ssss <- data.frame(c('apple','red apple','apples','pears','blue pears'),c(15,3,10,4,3))
> 
> names(ssss) <- c('Fruit','Count')
> 
> ssss
       Fruit Count
1      apple    15
2  red apple     3
3     apples    10
4      pears     4
5 blue pears     3
> 
> root_list <- as.vector(ssss$Fruit[unlist(lapply(ssss$Fruit,function(x){length(grep(x,ssss$Fruit))>1}))])
> 
> 
> ssss %>% filter(ssss$Fruit %in% root_list)
  Fruit Count
1 apple    15
2 pears     4
> 
> data <- data.frame(lapply(root_list, function(x){y <- stringr::str_extract(ssss$Fruit,x); ifelse(is.na(y),'',y)}))
> 
> cols <- colnames(data)
> 
> #data$x <- do.call(paste0, c(data[cols]))
> #for (co in cols) data[co] <- NULL
> 
> ssss$Fruit <- do.call(paste0, c(data[cols]))
> 
> ssss %>% group_by(Fruit) %>% summarise(val = sum(Count))
# A tibble: 2 x 2
  Fruit   val
  <chr> <dbl>
1 apple    28
2 pears     7
>