r - grepl，在数据框中搜索模式列表并记下找到每个模式的行

Question

我希望这是一个简单的修复方法，只是我没有看到...我有一个函数可以在数据框中搜索模式列表，然后将输出保存为 TSV：

dfSubset <- df[apply(df, 1, function(i) any(grepl(paste(my.list, collapse="|"), i))),]
write_tsv(dfSubset, "dfSubset.txt", col_names=TRUE)

我需要为此添加一个函数，它将在最终数据框 dfSubset 中创建另一列，并将 my.list 中的搜索词粘贴到找到每个搜索词的行旁边。

这是我在 eipi10 对另一个 post 的回答中使用的一些假数据：

my.list <- c("035", "566", "60883", "6110", "6752", "6751", "680","681","682","683","684","684",
           "685","686", "7048", "70583","7070", "7078", "7079", "7071", "7280", "72886", 
           "7714", "7715", "7854", "9583", "99662", "99762", "9985")

# Fake data
set.seed(10)
df = as.data.frame(replicate(5, sample(c(my.list, 1e5:(1e5+1000)),10)), stringsAsFactors=FALSE)

这是所需输出的示例，请注意 pattern_found 列：

   V1     V2     V3     V4     V5     Pattern_found
3 100409 100087 100767 100145   7048     7048
4 100682 100583 100336 100895 100719     682
7 100252 100024 100829 100813   7078     7078

感谢您的帮助和建议。

Answer 1

试试这个：

library(stringr)
rgx = paste(my.list, collapse='|')

dfSubset$Pattern_found = apply(dfSubset, 1, function(i) str_extract(paste(i, collapse=','), rgx))

> dfSubset
#       V1     V2     V3     V4     V5 Pattern_found
# 3 100409 100087 100767 100145   7048          7048
# 4 100682 100583 100336 100895 100719           682
# 7 100252 100024 100829 100813   7078          7078

Answer 2

在您的 dfSubset、

上添加基础 R 的想法

ind <- unlist(sapply(my.list, function(i) grep(i, do.call(paste, dfSubset))))
data.frame(dfSubset[as.integer(ind),], Pattern_found = names(ind))

#      V1     V2     V3     V4     V5 Pattern_found
#4 100682 100583 100336 100895 100719           682
#3 100409 100087 100767 100145   7048          7048
#7 100252 100024 100829 100813   7078          7078

或以矢量化方式从头开始使用stringi，

library(stringi)
df$new <- stri_extract_all_regex(do.call(paste, df), paste(my.list, collapse = '|'), simplify = TRUE)[,1]
df[!is.na(df$new),]

#      V1     V2     V3     V4     V5  new
#3 100409 100087 100767 100145   7048 7048
#4 100682 100583 100336 100895 100719  682
#7 100252 100024 100829 100813   7078 7078

r - grepl，在数据框中搜索模式列表并记下找到每个模式的行

r - grepl, search a data frame for a list of patterns and note the row(s) each pattern was found

r

grepl