如何在向量中的每个字符串中只保留唯一的单词

Posted 2023-03-29

【中文标题】如何在向量中的每个字符串中只保留唯一的单词

【英文标题】：How do keep only unique words within each string in a vector

【发布时间】：2015-03-17 23:18:19

【问题描述】：

我的数据如下所示：

vector = c("hello I like to code hello","Coding is fun", "fun fun fun")

我想删除重复的单词（空格分隔），即输出应该是这样的

vector_cleaned

[1] "hello I like to code"
[2] "coding is fun"
[3] "fun"

【参考方案1】：

拆分（strsplit 空格），使用unique（lapply），然后将paste 重新组合在一起：

vapply(lapply(strsplit(vector, " "), unique), paste, character(1L), collapse = " ")
# [1] "hello i like to code" "coding is fun"        "fun"  

## OR
vapply(strsplit(vector, " "), function(x) paste(unique(x), collapse = " "), character(1L))

---

基于 cmets 更新

您始终可以编写一个自定义函数来与您的vapply 函数一起使用。例如，这里有一个函数，它接受一个拆分字符串，删除短于特定字符数的字符串，并将“唯一”设置作为用户选择。

myFun <- function(x, minLen = 3, onlyUnique = TRUE) 
  a <- if (isTRUE(onlyUnique)) unique(x) else x
  paste(a[nchar(a) > minLen], collapse = " ")

比较下面的输出，看看它是如何工作的。

vapply(strsplit(vector, " "), myFun, character(1L))
vapply(strsplit(vector, " "), myFun, character(1L), onlyUnique = FALSE)
vapply(strsplit(vector, " "), myFun, character(1L), minLen = 0)

【讨论】：

我可以应用相同的技术来删除拆分字符串中少于 3 个字符的任何单词吗？

@shecode，方法类似，但您必须根据nchar 的结果再添加一项要求（这将计算字符串中的字符数）。现在在我的手机上，所以我无法显示代码，但我会尝试稍后更新。理想情况下，如果我这样做，问题也应该更新。

谢谢。我根据您的答案的结构弄清楚了如何做到这一点。很有用

【参考方案2】：

我花了一段时间寻找一个数据框，它对 tidyverse 友好的版本，所以我想我会粘贴我的详细解决方案：

library(tidyverse)

df <- data.frame(vector = c("hello I like to code hello",
                            "Coding is fun", 
                            "fun fun fun"))

df %>% 
  mutate(split = str_split(vector, " ")) %>% # split
  mutate(split = map(.$split, ~ unique(.x))) %>% # drop duplicates
  mutate(split = map_chr(.$split, ~paste(.x, collapse = " "))) # recombine

结果：

#>                       vector                split
#> 1 hello I like to code hello hello I like to code
#> 2              Coding is fun        Coding is fun
#> 3                fun fun fun                  fun

^{由reprex package (v0.3.0) 于 2021-01-03 创建}