我有一个数据框，需要创建一个标志来指示 2 列之间存在部分匹配的实例 以下是代码和一些虚拟数据：
doc_id <- c("doc1","doc1","doc2","doc3","doc3","doc4","doc4")
word <- c("apple","apples","chicken","banana","bananas","veggie","veggies")
text <- c("yesterday I ate apples", "yesterday I ate apples", "yesterday I ate chicken", "yesterday I ate bananas", "yesterday I ate bananas", "yesterday I ate veggies", "yesterday I ate veggies")
mydata <- data.frame(doc_id,word,text,stringsAsFactors = FALSE)
预期结果是相同的数据框，但有一个附加列，用于显示单词和文本之间的匹配是否为部分匹配
doc_id <- c("doc1","doc1","doc2","doc3","doc3","doc4","doc4")
word <- c("apple","apples","chicken","banana","bananas","veggie","soup")
text <- c("yesterday I ate apples", "yesterday I ate apples", "yesterday I ate chicken", "yesterday I ate bananas", "yesterday I ate bananas", "yesterday I ate veggies", "yesterday I ate soup")
partial_match <- c("1","0","0","1","0","1","0")
mydata2 <- data.frame(doc_id,word,text,partial_match,stringsAsFactors = FALSE)
我试过了
str_detect(mydata$word, mydata$text)
以及使用Charmatch，Pmatch，grep和greple等函数的类似东西，但没有成功。
实际数据包含数千条记录，因此解决方案应扩展。
谢谢。
经过长时间的尝试，我学到了更多关于字符串操作的知识并得到了它。可能不是最有效的方法，但它奏效了。
OBS：我用"¹"、"²"和"³"标记了注释，以便稍后解释。
parcial.m = numeric() # Create an empty vector
for(i in 1:nrow(mydata2)){
pattern = paste("([^n]*)(",mydata2$word[i],")([^n]*)",sep="")
# ¹
split = unlist(strsplit(mydata2$text[i], "[ [:punct:]]"))
# Split the text by punctuation and spaces, i.e. by words
word = grep(mydata2$word[i], split, value=TRUE)
# Select only the 'original' word
if(length(grep(mydata2$word[i], word))==0) {parcial.m[i]=0}
# ²
else {parcial.m[i] = !((gsub(pattern, "\1" , word)=="") & (gsub(pattern, "\3" , word)==""))}}
# ³
¹：模式是：除换行以外的任何字符的 0 或更多(因此*)的组(用(...)标记)(因此^n，n是新行，^是除它之外的所有内容)，后跟一个带有搜索单词的组，以及等于第一个的第三个。
²：如果根本没有匹配项，则表示我们没有部分匹配项，因此我们需要值为 0。我们通过使用以下事实来选择这些情况，当没有匹配项时，grep(mydata2$word[i], word)将返回长度为 0 的数字。
³："\1"和"\3"选择模式的第 1 和第 3 个预先提到的组。 如果这是一个完美的匹配，在我们"拿走"搜索的单词(第 2 组)后，不会有任何word的"剩余"(我称之为"原始单词")，因此组 1 和 3 将为空(即 ="")。该行代码正在测试两个组是否同时为空(完全匹配)，并对其进行否定(因此 ！)。由于我们已经使用 if 语句将无匹配标记为 0，因此剩下的就是部分匹配。