r 逐行比较两列中的文本

Question

我想将 X1 列中的文本与 X2 列中的文本进行比较和生成出现在 X1 但不出现在 X2 中的单词列表，反之亦然。例如：

df <- data.frame("X1" = c("the fox ate grapes", "the cat ate"), "X2" = c("the fox ate watermelon", "the cat ate backwards"))

我正在尝试生成列，例如 X3-葡萄西瓜 X4 - 向后

数据框有数百行，部分单元格中的文本多达50个字左右。

Answer 1

我不明白你想如何组织 X3 和 X4 中的输出，但这也许有帮助：

words_x1 <- (df$X1 %>% paste(collapse = " ") %>% str_split(" "))[[1]] %>% unique()
words_x2 <- (df$X2 %>% paste(collapse = " ") %>% str_split(" "))[[1]] %>% unique()

c(words_x1[!(words_x1 %in% words_x2)], words_x2[!(words_x2 %in% words_x1)])

我认为你想要实现的是这样的（请注意，我使用的是 tibble，因为它似乎不适用于 data.frame。

library(dplyr)
library(purrr)

df <- tibble(
  X1 = c("the fox ate grapes", "the cat ate"),
  X2 = c("the fox ate watermelon", "the cat ate backwards")
)
myfunction <- function(x1, x2) {
  w1 <- strsplit(x1, " ")[[1]]
  w2 <- strsplit(x2, " ")[[1]]
  c(w1[!(w1 %in% w2)], w2[!(w2 %in% w1)])
}

map2(df$X1, df$X2, myfunction)

r 逐行比较两列中的文本

r compare text in two columns by row

string

iteration

text

r

corpus