R：如何复制一列，如果原件在第 x 行中为 "TRUE"，则副本将在第 x-250 行到第 x+250 行中为 "TRUE"？

Question

希望这个问题提得清楚！我看过很多关于循环和 if_else 子句等的指南，但还没有弄明白。

我正在尝试在大量 txt 文件中查找出现多个（比如 5 个）关键字的段落。示例关键字是“motion”和“cause”。我的数据很整洁（txt 文件已拆分，因此每行有一个单词）并使用正则表达式添加了列（每个关键字一个），如果该行包含关键字，则显示“TRUE”，否则为 false . 现在，为了找到感兴趣的段落，我想复制同一行中显示“TRUE”的每一列，以及这些行上方和下方的 250 行。因此，例如，当该行包含单词“motion”时，我想复制显示“TRUE”的列，这样在新列中，单词“motion”周围的 500 个单词也是“TRUE”（即上面的 250 行在单词所在的下方）。我的想法是，然后我可以轻松地检查是否有任何行的所有复制列都为真，这表明有一个 500 字的段落出现了我的所有关键字。

我尝试以各种方式学习和使用循环来制作这些复制的列，但到目前为止我还没有取得任何成功。这是我最近一次尝试的样子，但它似乎只是将相同的行指定为“TRUE”250 次，而不是将接下来的 250 行设为“TRUE”。（它还给出了错误消息“'mutate()' 输入 'copied_column' 的问题。我输入 'copied_column' 的下标越界是 'case_when(...)'。”）

n <-1
corpus <- corpus #>#
    mutate(copied_column = case_when(
      str_detect(original_column, "TRUE") ~ (repeat{
        n <- n+1
        str_detect(orginal_column, "FALSE")
        if (n == 250) {
          break
        }
       })
    ))

如果有人有任何建议，我们将非常欢迎。如果您知道我可能应该使用的任何功能，或者如果您知道如何正确使用上面示例中的功能，那将对我有很大帮助。

Answer 1

也许下面的功能可以解决问题。用假数据测试。

segmentTRUE <- function(X, y, dist){
  f <- function(y, n, d){
    from <- max(1, y - d)
    to <- min(n, y + d)
    from:to
  }
  y <- deparse(substitute(y))
  w <- which(X[[y]])
  i <- Reduce(union, mapply(f, w, MoreArgs = list(n = nrow(X), d = dist)))
  X[i, y] <- TRUE
  X[[y]]
}

测试

以 3 种不同的方式组成一些数据和运行函数，其中两种在 magrittr 管道中。

x <- rep(FALSE, 5e1)
x[c(2, 10, 35, 47)] <- TRUE
df1 <- data.frame(words = rep(letters, length.out = 5e1), x)
head(df1)
d <- 5

segmentTRUE(df1, x, d)
df1 %>% segmentTRUE(x, d)
df1 %>% mutate(x = segmentTRUE(., x, d))

编辑

使用 nrow(df1) == 1e4，以下函数比 Reduce 版本快几个数量级。

segmentTRUE2 <- function(X, y, dist){
  f <- function(y, n, d){
    max(1, y - d):min(n, y + d)
  }
  y <- deparse(substitute(y))
  w <- which(X[[y]])
  i <- unique(unlist(mapply(f, w, MoreArgs = list(n = nrow(X), d = dist))))
  X[i, y] <- TRUE
  X[[y]]
}

identical(segmentTRUE(df1, x, d), segmentTRUE2(df1, x, d))
#[1] TRUE

R：如何复制一列，如果原件在第 x 行中为 "TRUE"，则副本将在第 x-250 行到第 x+250 行中为 "TRUE"？

R: How to copy a column such that if the original was "TRUE" in row x, the copy will be "TRUE" in rows x-250 through to x+250?

if-statement

r

corpus

calculated-columns

测试

编辑