将字符串匹配转换为二进制元素的向量

Question

感谢您为以下问题建议包或基本 R 解决方案的帮助（提前致谢。）

假设我有一个来自 statistical_function（下方）的字符元素向量。如果我提供两个字符元素的名称（例如 provided = c("high", "aware")），那么我需要一种机制来为我生成以下二进制向量：desired_vector = c(0,1,1,0,1).

长度： 此 desired_vector 的长度与统计函数输出中的元素数减去名为 intrcpt 的元素的长度相同。因此，在这种情况下，desired_vector 将有 5 个元素。

元素 A: 对于 statistical_function 输出中不包含 : 的每个元素（例如，"weekhigh"）但确实包含 provided 向量的元素之一 ("high") 我想要的向量应该是 1.

元素 B: 对于统计函数输出中确实包含 :（例如，"weekhigh:testeraware"）并且确实包含 provided 向量的元素 ("high" & "aware") 我想要的向量应该是 1.

否则 desired_vector 中的所有剩余元素都应该是 0。这可以在 R 中实现吗？

在下面的示例中，desired_vector 的第一个元素是 0 因为除了 intrcpt，weekssome 不包含 "high" 或 "aware"，第2个元素是1，因为weekshigh有"high"，第3个元素是1，因为"testeraware"包含"aware"，第4个元素是0 因为 "weekssome:testeraware" 不包含 "high" 和 "aware"，第 5 个元素是 1 因为它同时包含 "high" 和 [=28] =].

statistical_function = c("intrcpt","weekssome","weekshigh",            
"testeraware","weekssome:testeraware","weekshigh:testeraware")

# [1] "intrcpt"               "weekssome"             "weekshigh"            
# [4] "testeraware"           "weekssome:testeraware" "weekshigh:testeraware"

provided_vector = c("high", "aware")

desired_vector = c(0, 1, 1, 0, 1)

Answer 1

我不确定下面的方法是否是您要找的。我不确定您是否总是想删除第一个元素。为了控制要删除的内容，我添加了 drop 参数。它需要要删除的元素的数量，或者带有要删除的元素名称的字符串。它默认为 drop = "intrcpt"，这会降低截距。

# the input vector containing the coefficient names
statistical_function  <- c("intrcpt",
                           "weekssome",
                           "weekshigh",
                           "testeraware",
                           "weekssome:testeraware",
                           "weekshigh:testeraware")

# the input vector containg the search pattern
provided_vector = c("high", "aware")

# a function which matches both
test_input <- function(in_func, in_vec, drop = "intrcpt") {
  
  if(!is.null(drop)) {
    if(is.numeric(drop)) {
      in_func <- in_func[-drop]
    } else if (is.character(drop)) {
      in_func <- in_func[in_func != drop]
    }
  }
  
  inp <- strsplit(in_func, ":")
  
  pat <- paste(in_vec, collapse = "|")
  
  vapply(inp,
         FUN = function(x) all(grepl(pat, x)), 
         FUN.VALUE = numeric(1L))
}

# this does not drop the intercept, so this is not the desired result
test_input(statistical_function, provided_vector)
#> [1] 0 1 1 0 1

# these calls drop the "intrcpt" or the first element
test_input(statistical_function, provided_vector, drop = "intrcpt")
#> [1] 0 1 1 0 1
test_input(statistical_function, provided_vector, drop = 1)
#> [1] 0 1 1 0 1

# test: still working
test_input(statistical_function[-1], provided_vector)
#> [1] 0 1 1 0 1

^{由 reprex package (v2.0.1)}

于 2021-08-16 创建

如果拦截总是以相同的方式编写intrcpt那么我们可以最小化上面的函数并删除drop参数：

test_input <- function(in_func, in_vec) {
  
  inp <- in_func[in_func != "intrcpt"]
  inp <- strsplit(inp, ":")
  
  pat <- paste(in_vec, collapse = "|")
  
  vapply(inp,
         FUN = function(x) all(grepl(pat, x)), 
         FUN.VALUE = numeric(1L))
}

Answer 2

您可以试试下面的代码

+(
  abs(
    grepl(":", statistical_function) -
      rowSums(
        sapply(provided_vector, grepl, statistical_function)
      )
  ) == 1)[
  statistical_function != "intrcpt"
]

这给出了

[1] 0 1 1 0 1

将字符串匹配转换为二进制元素的向量

translating string matches to a vector of binary elements

r

regex

string

character

tidyverse