从R中所有可能子字符串的另一个列表中匹配多个子字符串

Question

虽然我在上一篇文章中收到了一些很好的反馈，但我认为我最初的问题并不完全清楚，因此，答案并没有产生预期的结果。

我有一个字符变量字符串的长向量，有大约600 K的观测值，有800个唯一的字符串值。我试图将这800个唯一字符串缩小到大约20个，基于另一个重要字符串变量向量。

下面是一个示例：

col1 <- c("CORE_I5-xxxx_6C_VPRO", "A6-xxxx_MB", "CORE_I7-xxxx_4C_VPRO_MB", "INTEL_CORE_I3_MB", NA)
col2 <- c("CORE_I5_VPRO", NA, "CORE_I7_VPRO", "INTEL_CORE_I3", NA)

新列(col2)是根据以下字符变量(V)从旧列(col1)创建的，方法是保留V中包含的字符串：

V <- c("CORE", "INTEL", "I5", "I7", "I3", NA)

我尝试了下面的代码，但它只给了我一部分字符串，而不是每个观察中的所有元素。

library(stringr)
col2 <- str_extract(col1, paste(V, collapse="|"))

我也尝试了我的前一篇文章的建议，但不幸的是，我没有得到期望的输出。谢谢大家的帮助！

Answer 1

这里我们创建x，然后使用grepl

library(stringr)

x <- str_replace_all(str_remove(S, '(\\d+\\_)'), '\\_', '')

x[grepl(paste0(V, collapse = "|"), x)]

[1] "INTELI5VPRO" "COREdfds"    "VPROLI9" 

Answer 2

您可以遵循最初的方法，但可以使用str_extract_all和sapply()，如下所示：

sapply(str_extract_all(S, paste(V, collapse = "|")),paste0, collapse="")

输出

[1] "INTELI5VPRO" "CORE"        ""            "VPROI9"      "NA"         

或者，你可以这样做：

lapply(S, \(s) {
    x = strsplit(s, "_")[[1]]
    result = paste0(x[x %in% V], collapse="")
    ifelse(result=="", as.character(NA),result)
}) %>% unlist()

输出

[1] "INTELI5VPRO" "CORE"        NA            "I9"          NA  

Answer 3

您可能希望使用str_extract_all并处理位置3中的空提取(基于您的代码)：

sapply(str_extract_all(S, paste(V, collapse = "|")),
       function(x) ifelse(length(x) != 0, str_flatten(x), NA)
       )

#> [1] "INTELI5VPRO" "CORE"        NA            "VPROI9"      NA