获取R中数据帧列中所有子字符串的列表

Question

我在R中有一个数据帧，我们称之为data。

其中一列data$tags包含字符串。每个字符串都是一个逗号分隔的标记列表(或与此条目相关的类别)。

我正在试图获取数据帧中所有可用标记的列表。

我想我可以使用其中一个apply函数在strsplit函数上运行列，并得到一个包含所有字符串部分的长连接向量，然后使用unique消除重复值。

我试过：

func_split_tags <- function(e) {
  return(unlist(strsplit(e," ")))
}
all_tags <- sapply(as.vector(data$tags), func_split_tags)

但这只是给了我一个分裂字符串向量的列表。

有人知道怎么做吗？

谢谢!

Answer 1

这就是你要找的东西吗？

df <- data.frame(x = seq(1:10), s = 'I am in the city', stringsAsFactors = FALSE)
as.character(unlist(sapply(df$s, function(x) strsplit(x, ' '))))

你可以写最后一行，就好像你不想要一个简单的strsplit

unlist(strsplit(df$s, ' '))

Answer 2

我们可以用str_extract来做这个

library(stringr)
unlist(str_extract_all(df$s, "\\w+"))