问题描述
我想查看文本列是否具有超出“ a”和“ b”指定值的元素
specified_value=c("a","b")
df=data.frame(key=c(1,2,3,4),text=c("a,b,c","a,d","1,2",b")
df_out=data.frame(key=c(1,3),text=c("c","d",NA))
这是我尝试过的：
df=df%>%mutate(text_vector=strsplit(text,split=","),extra=text_vector[which(!text_vector %in% specified_value)])
但这没用，有什么建议吗？
解决方法
我们可以用,用定界符separate_rows分隔'文本'，并按'key'分组，用setdiff和{{获得不在'specified_value'中的元素1}}（paste）在一起，然后进行联接以获取原始数据集中的其他列
toString使用setdiff。
df$outside <- sapply({
x <- lapply(strsplit(df$text,","),setdiff,specified_value)
replace(x,lengths(x) == 0,NA)},paste,collapse=",")
df
# key text outside
# 1 1 a,b,c c
# 2 2 a,d d
# 3 3 1,2 1,2
# 4 4 a,b NA
数据：
df <- structure(list(key = c(1,2,3,4),text = c("a,c","a,d","1,2",b")),class = "data.frame",row.names = c(NA,-4L))
specified_value <- c("a","b")
使用stringi :: stri_split_fixed
library(stringi)
!all(stri_split_fixed("a,b",simplify=T) %in% specified_value) #FALSE
!all(stri_split_fixed("a,simplify=T) %in% specified_value) #TRUE
使用正则表达式而不用逗号分割数据的选项：
#Collapse the specified_value in one string and remove from text
df$text1 <- gsub(paste0(specified_value,collapse = "|"),'',df$text)
#Remove extra commas
df$text1 <- gsub('(?<![a-z0-9]),',df$text1,perl = TRUE)
df
# key text text1
#1 1 a,c c
#2 2 a,d d
#3 3 1,2 1,2
#4 4 a,b