在 R 中结合变异和文本搜索

Question

我正在尝试创建新的列来指示给定的单词是否在一个较大的句子中，这样我就可以过滤掉所有在评论部分使用“慢”或“快乐”一词的参与者。

举个简单的例子...

fruit_list = data.frame(c("apple", "bannana", "cherries"))

person <- seq(1:3)
comment <- c("I like apple pie", "The worst flavor is bannana", "Those cherries are cheap")
df <- data.frame(person,comment)

for (i in 1:nrow(fruit_list)){
  for (j in 1:nrow(df)){
    df[i,j+2] <- (as.integer(grepl(fruit_list[i,], df[j,2], fixed=TRUE)))
  }
}

以上代码的工作原理在于它正确地放置了 0 或 1，但是当我将其扩展到更大的要搜索的单词列表（即水果）和更多的句子（即评论）时，它（不足为奇）变得很慢。

我想知道使用 mutate 方法是否会更有效，做这样的事情

df <- df %>% 
  mutate(
  apple = as.integer(grepl(fruit_list[1,], comment, fixed =TRUE))
  ) %>% 
  mutate(
  bannana = as.integer(grepl(fruit_list[2,], comment, fixed =TRUE))
  ) %>% 
  mutate(
  cherries = as.integer(grepl(fruit_list[3,], comment, fixed =TRUE))
  )

这里唯一的问题是我无法弄清楚如何循环浏览水果列表中的项目，所以我不得不直接对名称进行编码。对于可管理的三个项目，但我希望它扩展到几十个搜索词。我以前使用过简单的 sapply 和 lapply，但我不确定如何在这种更复杂的情况下使用它们。

我打赌有某种方法可以从列表中提取变异列的名称，并使用与 grepl 的搜索词相同的值，但我无法将它们拼凑起来。

如有任何建议，我们将不胜感激 - 即使是与我尝试的方向完全不同的建议。

Answer 1

你可以使用

library(tidyverse)

df %>% 
  mutate(names = str_extract(comment, fruit_list),
         values = 1) %>% 
  pivot_wider(names_from = names,
              values_from = values,
              values_fill = 0)

这个returns

# A tibble: 3 x 5
  person comment                     apple bannana cherries
   <int> <chr>                       <dbl>   <dbl>    <dbl>
1      1 I like apple pie                1       0        0
2      2 The worst flavor is bannana     0       1        0
3      3 Those cherries are cheap        0       0        1

注意： 我将您的 fruit_list 从 data.frame 更改为矢量（为了简化）。在您的示例中，您可以使用 fruit_list[,1] 而不是向量 fruit_list.

Answer 2

我们可以使用dplyr和purrr::map_dfc。使用水果矢量比 data.frame:

更容易

library(purrr)
library(dplyr)

fruits<-c("apple", "bannana", "cherries")

map_dfc(fruits, ~+grepl(.x, comment)) %>%
    set_names(fruits) %>%
    bind_cols(df, .)

或者只是：

df %>% mutate(set_names(map_dfc(fruits, ~ +grepl(.x, comment)), fruits))

输出

  person                     comment apple bannana cherries
1      1            I like apple pie     1       0        0
2      2 The worst flavor is bannana     0       1        0
3      3    Those cherries are cheap     0       0        1

在 R 中结合变异和文本搜索

Combining mutate and text search in R

search

r