RStudio/ R-为列中的值与字符串完全匹配的行创建新的df (需要更快的速度)

Question

对不起，我一直在寻找解决办法，但却找不到需要的东西。我对R非常陌生，以前只使用了matlab (因此我仍在试图不使用循环)。

我有一个df，里面有学术论文(每篇论文一排)。

主df

Fields                              Date       Title
Biology; Neuroscience               2016       How do we know when XXX
Music; Engineering; Art             2011       Can we get the XXX
Biotechnology; Biology & Chemistry  2007       When will we find XXX
History; Biology                    2006       Where does the XXXX

在一列(“字段”)中有一个主题名称列表，其中多个字段由一个冒号分隔。我想找到所有的行(论文)有一个与特定的字段名完全匹配(例如，‘生物学’)。然后，用所有这些行(论文)创建一个新的df。然而，重要的是，我不想得到部分匹配的字段(例如，“生物学与化学”)。

新df -只适用于那些行

Fields                              Date       Title
Biology; Neuroscience               2016       How do we know when XXX
History; Biology                    2006       Where does the XXXX

也就是说，也不选择生物技术；生物与化学2007我们什么时候会发现XXX里面有“生物学”这个词

我的第一个想法是使用拆分字符串在自己的列中获取每个字段名，然后循环遍历每一列，使用该列查找与名称的确切匹配。因为有多达200列(字段名)，这需要很长时间！找到和拉出所有的行要花一个小时的时间。显然我想要更快的东西。

我知道在R中你可以通过应用等来避免循环，但我想不出如何在这里使用它。

这就是当我将作者的名字分割成不同的列时的样子。

Field1        Field2                     Date       Title
Biology       Neuroscience               2016       How do we know when XXX

到目前为止，这是我的代码(注意:当我将名字分开时，它们前面有一个空格)。

# Get list of columns to cycle through (they all start with 'sA')
names <- data[,grep("^sA", colnames(data))]
collist <- colnames(names)
names[collist] <- sapply(names[collist],as.character)
collist <- collist[-1]


Loop to get new df from matching rows
for (l in 1:length(namesUniq$Names)) {
  namecurr <- namesUniq$Names[l]
  namecurrSP <- paste0(" ", namecurr)

  # Get data for that field
    dfall <- data[which(data$sA1 == namecurr), ]

  for (d in 1:length(collist)) {
    dcol <- collist[d]
    dfall <- rbind(dfall, data[which(data[, dcol] == namecurrSP), ])
    rm(dcol)
  }
  rm(d)

快速运行的东西将是非常有用的。谢谢你的帮助！

grepl不起作用-它牵扯其他部分匹配字符串(比如“生物学与化学”，而我只想要“生物学”)。

dfall <- subset(data, grepl(namecurr, Field, fixed = TRUE))

由于某些原因，当我这样做时，它不起作用(行工作，rows2不工作-它选择在df边界之外的行)

dfall <- rbind(data[rows, ], data[rows2, ])

Answer 1

如果没有示例数据的dput，这里有一个可以使用的示例

数据

test <- c("Biology; Neuroscience","Music; Engineering; Art","Biotechnology; Biology & Chemistry","History; Biology")

代码：

test[sapply(strsplit(test,"; "), function(x) any(x=="Biology"))]

产出：

[1] "Biology; Neuroscience" "History; Biology"    

Answer 2

不确定您将从主数据中提取多少个不同的子集，但是我想我会为您提供更多的@Daniel解决方案，并演示一个tidyverse解决方案。

您可以将其看作是一个Biology_df，方法是从所有行的Main_df和filter开始，在这些行中，在按分号和空格("; ")对Fields列进行str_split之后，就会有与Biology完全匹配的any片段。

library(dplyr)
library(stringr)
library(purrr)

Main_df
#>                               Fields Date                   Title
#> 1              Biology; Neuroscience 2016 How do we know when XXX
#> 2            Music; Engineering; Art 2011      Can we get the XXX
#> 3 Biotechnology; Biology & Chemistry 2007     Where does the XXXX
#> 4                   History; Biology 2006     Where does the XXXX

Biology_df <- 
  Main_df %>% 
    filter(str_split(Fields, "; ") %>% 
           map_lgl( ~ any(.x == "Biology")
                  )
           )

Biology_df
#>                  Fields Date                   Title
#> 1 Biology; Neuroscience 2016 How do we know when XXX
#> 2      History; Biology 2006     Where does the XXXX

基于您显示的数据片段

Fields <- c("Biology; Neuroscience","Music; Engineering; Art","Biotechnology; Biology & Chemistry","History; Biology")
Date <- c("2016", "2011", "2007", "2006")
Title <- c("How do we know when XXX", "Can we get the XXX", "Where does the XXXX", "Where does the XXXX")
Main_df <- data.frame(Fields, Date, Title)