如何查找不匹配或反向str_extract_all以构造R中不匹配值的数据框

问题描述

我的问题是：

如果我有下一个df：

df<- data.frame(Respuestas=c("sí,acepto,a veces,no acepto","no acepto,sí,nunca","a veces,nunca,bla bla"))
print(df)

                             Respuestas
1        sí,no acepto
2 no acepto,nunca
3   a veces,bla bla

因此，我需要按列提取与字典匹配的所有与“ Respuestas”列匹配的所有字符串，因此我应用了@divibisan解决方案here。到目前为止，一切都很好，我得到了输出

vec<-c("sí,acepto","a veces","no acepto")

t(apply(df,1,function(x) 
                          str_extract_all(x[['Respuestas']],vec,simplify = TRUE)))

[,1]         [,2]      [,3]       
[1,] "sí,acepto" "a veces" "no acepto"
[2,acepto" "a veces" "no acepto"
[3,acepto" "a veces" ""

但是，最后，我想获得一个数据帧，其中包含“ Respuestas” column 字符串和 vec 字典之间的不匹配值，就像这样：

wishDF<- data.frame(noMatch1=c(NA,"nunca","nunca"),noMatch2= c(NA,NA,"bla bla"))
print(wishDF)

    noMatch1 noMatch2
1     <NA>     <NA>
2    nunca     <NA>
3    nunca  bla bla

我试图以与{divibisan解决方案相同的方式使用str_detect库中的invert_match和stringr，但是我没有得到很好的结果。你向我推荐什么？

非常感谢您！

解决方法

查找不匹配的字符串内容的最简单方法就是删除匹配的内容：

str_remove(string,pattern)

但是此功能是在pattern上向量化的，因此每次只会从vec中删除一个条目。我们需要进行实现：str_remove是str_replace(string,pattern,"")的别名，它是基于stringi包的。因此，我们可以执行以下操作：

stringi::stri_replace_all_coll(string,"",vectorize_all = FALSE)

最后，我们希望对Respuetas中的每一行都执行此操作，只需使用map就可以做到这一点：

map_chr(df$Respuestas,~ stringi::stri_replace_all_coll(.x,vec,vectorize_all = FALSE))
# [1] ","               ",nunca"        ",nunca,bla bla"

对于noMatch1和noMatch2，可以基于“，”分隔结果。但是我对您的数据了解不足以确保它能正常工作：您是否总是拥有相同数量的字段？您如何区分“ si，acepto”中的逗号和“ si，acepto”与“ nunca”之间的逗号？

根据您的数据，类似这样的事情可能会或可能不会（（也许完全没有意义））：

df %>%
  mutate(no_match = map_chr(Respuestas,vectorize_all = FALSE))) %>%
  separate(col = no_match,into = c("first","second","third","fourth"),sep = ",",extra = "merge",fill = "left")