有没有任何R代码可以帮助我从单词列表中查找数据帧中包含要匹配的单词的列中的单词

Question

我有两个包含文本的数据帧：

Df1: "hello world", "dark world thor", "hello there"
Df2: "world hello", "thor dark world", "there hello"

我想检查df1中的值是否在df2中，如果是的话，添加一列显示TRUE/FALSE

谢谢：(

Answer 1

实际上，您想要的是：

library(purrr)
library(stringr)
df1 <- data.frame(
matrix(
c(
"hello world", 
"dark world thor", 
"hello there"
),
nrow = 3,
ncol = 1,
byrow = TRUE,
dimnames = list(NULL,
c("word1"))
),
stringsAsFactors = FALSE
)
df1_match <- df1 %>% 
mutate(matched =
str_detect(word1, "^(?=.*\bhello\b)(?=.*\bworld\b).*$|^(?=.*\bthor\b)(?=.*\bdark\b)(?=.*\bworld\b).*$|^(?=.*\bhello\b)(?=.*\bthere\b).*$")
)

理想情况下，您可以将str_detect中的那个巨大正则表达式制作成一个对象。例如，以下是您的数据帧：

df2 <- data.frame(
matrix(
c(
"world hello", 
"thor dark world", 
"there hello"
),
nrow = 3,
ncol = 1,
byrow = TRUE,
dimnames = list(NULL,
c("word2"))
),
stringsAsFactors = FALSE
)

将第二个数据帧转换为要在正则表达式中使用的对象是困难的。我原以为下面这样的方法会奏效，但显然不行。不确定我在这里错过了什么。。。

df2_mod <- df2 %>% 
mutate(word2 = strsplit(x = word2, split = " ") %>% 
map(~paste0("(?=.*\b", .x, "\b)")) %>% 
paste0("^", ., ".*$")
) %>% 
.$word2 %>% 
paste0(., collapse = "|")
df1_match_alt <- df1 %>% 
mutate(matched =
str_detect(word1, df2_mod)
)