按字符串列出模式，在R中找到它们

Question

基于this answer，我们如何在一个更紧凑的单列中列出结果，以防止我们匹配许多模式，但期望每个字符串只得到很少的点击量？(我不确定"hits“列的最正统格式，无论是下面的向量，还是分隔的字符串。)

streets = c("Berberichweg", "Otto-Klemperer-Weg", "Feldmeierbogen" , "Altostraße")
streets = tolower(streets) #Lowercase all
names = c("Berber", "Weg")
names = tolower(names)

#The original solution and output
sapply(names, function (y) sapply(streets, function (x) grepl(y, x)))
#                   berber   weg
#berberichweg        TRUE  TRUE
#otto-klemperer-weg  FALSE TRUE
#feldmeierbogen      FALSE FALSE
#altostraße          FALSE FALSE

#The desired output instead
#streets            hits
#berberichweg       c("berber", "weg")
#otto-klemperer-weg "weg"
#feldmeierbogen     NA
#altostraße         NA

Answer 1

res <- sapply(names, function (y) sapply(streets, function (x) grepl(y, x)))
res
#                    berber   weg
# berberichweg         TRUE  TRUE
# otto-klemperer-weg  FALSE  TRUE
# feldmeierbogen      FALSE FALSE
# altostraße          FALSE FALSE
dat <- data.frame(streets = streets)
dat$hits1 <- names[apply(res, 1, function(z) if (any(z)) which.max(z) else NA)]
dat
#              streets  hits1
# 1       berberichweg berber
# 2 otto-klemperer-weg    weg
# 3     feldmeierbogen   <NA>
# 4         altostraße   <NA>
dat$hits1
# [1] "berber" "weg"    NA       NA      

如果您希望每个结果有一个字符串，那么也许

dat$hits2 <- apply(res, 1, function(z) toString(names(which(z))))
dat
#              streets  hits1       hits2
# 1       berberichweg berber berber, weg
# 2 otto-klemperer-weg    weg         weg
# 3     feldmeierbogen   <NA>            
# 4         altostraße   <NA>            
dat$hits2
# [1] "berber, weg" "weg"         ""            ""           

注意到第一个字符串是一个逗号分隔的字符串，而不是字符串的向量。另一种选择是使用列表列，

dat$hits3 <- apply(res, 1, function(z) names(which(z)))
dat
#              streets  hits1       hits2       hits3
# 1       berberichweg berber berber, weg berber, weg
# 2 otto-klemperer-weg    weg         weg         weg
# 3     feldmeierbogen   <NA>                        
# 4         altostraße   <NA>                        
dat$hits3
# $berberichweg
# [1] "berber" "weg"   
# $`otto-klemperer-weg`
# [1] "weg"
# $feldmeierbogen
# character(0)
# $altostraße
# character(0)

这是一个list，可以分配到一个框架中。关于这一点，有两件事要注意：

1. 您需要使用[[从这个hits3中获取单个“单元格”：

dat$hits3 11#1 "berber“dat$hits3 21#1 "berber，weg”dat$hits3 31# $berberichweg #<--这是长度1#1“柏柏尔”"weg“dat$hits3 3[1]#1 "berber”"weg“的列表，而不是向量。

在本专栏中工作的任何东西都必须是

1. ，因为它不是向量。

。