如何在向量中的每个字符串中只保留唯一的单词

Question

我有这样的数据：

vector = c("hello I like to code hello","Coding is fun", "fun fun fun")

我想删除重复的单词（space 分隔）即输出应该看起来像

vector_cleaned

[1] "hello I like to code"
[2] "coding is fun"
[3] "fun"

Answer 1

将其拆分（strsplit 空格），使用 unique（在 lapply 中），然后 paste 将其重新组合在一起：

vapply(lapply(strsplit(vector, " "), unique), paste, character(1L), collapse = " ")
# [1] "hello i like to code" "coding is fun"        "fun"  

## OR
vapply(strsplit(vector, " "), function(x) paste(unique(x), collapse = " "), character(1L))

根据评论更新

您始终可以编写自定义函数以与您的 vapply 函数一起使用。例如，这里有一个函数，它接受一个拆分字符串，删除比一定数量的字符短的字符串，并将 "unique" 设置作为用户选择。

myFun <- function(x, minLen = 3, onlyUnique = TRUE) {
  a <- if (isTRUE(onlyUnique)) unique(x) else x
  paste(a[nchar(a) > minLen], collapse = " ")
}

比较下面的输出，看看它是如何工作的。

vapply(strsplit(vector, " "), myFun, character(1L))
vapply(strsplit(vector, " "), myFun, character(1L), onlyUnique = FALSE)
vapply(strsplit(vector, " "), myFun, character(1L), minLen = 0)

Answer 2

我花了一段时间寻找一个数据框，这个 tidyverse 友好的版本，所以我想我会粘贴我的详细解决方案：

library(tidyverse)

df <- data.frame(vector = c("hello I like to code hello",
                            "Coding is fun", 
                            "fun fun fun"))

df %>% 
  mutate(split = str_split(vector, " ")) %>% # split
  mutate(split = map(.$split, ~ unique(.x))) %>% # drop duplicates
  mutate(split = map_chr(.$split, ~paste(.x, collapse = " "))) # recombine

结果：

#>                       vector                split
#> 1 hello I like to code hello hello I like to code
#> 2              Coding is fun        Coding is fun
#> 3                fun fun fun                  fun

^{由 reprex package (v0.3.0)}

创建于 2021-01-03

如何在向量中的每个字符串中只保留唯一的单词

How do keep only unique words within each string in a vector

string

r

vector

duplicates

根据评论更新