检查一个字符串是否是 R 中另一个字符串的子集

Question

下面的数据包括 ID 和 Code（字符类型）

ID <- c(1,1,1,2,2,3,3,3, 4, 4)
Code <- c("0011100000", "0001100000", "1001100000", "1100000000", 
          "1000000000", "1000000000", "0100000000", "0010000000", "0010000001", "0010000001")
df <- data.frame(ID, Code)

我需要删除基于 Code 值模式的记录（在每个 ID 内），即：

对于每个 ID，我们查看 Code 的值，然后删除属于其他行的子集的值。

例如，对于 ID=1，第 2 行是第 1 行的子集，因此我们删除第 2 行。但是，第 3 行不是第 2 行或第 3 行的子集，因此我们保留它。

对于 ID=2，第 5 行是第 4 行的子集，因此我们将其删除。

对于ID=3个，都是不一样的，所以我们都保留了。

对于ID=4，由于两条记录的Code相同，则保留第一条。

这是结果的预期最终视图：

Answer 1

它不是那么漂亮，但是用连接检查每个组合就可以了。

转换为 data.table

library(data.table)
setDT(df)

制作一个行计数器，并识别每个字符串中的所有 1 位置并保存到列表中。

df[, rn := .I]
df[, ones := gregexpr("1", df$Code)]

将每个组与其自身合并，并比较行号不匹配的列表。然后保留列表子集所在的行号，并从原始数据中删除这些行。在重复的情况下，只删除重复的第一次。

df[
  funion(
    df[df, on=c("ID","rn>rn"), if(all(i.ones[[1]] %in% ones[[1]])) .(Code=i.Code), by=.EACHI][, -"rn"],
    df[df, on=c("ID","rn<rn"), if(all(i.ones[[1]] %in% ones[[1]])) .(Code=i.Code), by=.EACHI][, -"rn"]
  ),
  on=c("ID","Code"),
  mult="first",
  drop := 1
]
df[is.na(drop), -c("rn","ones","drop")]


#   ID       Code
#1:  1 0011100000
#2:  1 1001100000
#3:  2 1100000000
#4:  3 1000000000
#5:  3 0100000000
#6:  3 0010000000
#7:  4 0010000001

检查一个字符串是否是 R 中另一个字符串的子集

Check if a string is a subset in another string in R

string

r

subset