如何在数据框的其他列中的一列中搜索字符串

Posted

技术标签:

【中文标题】如何在数据框的其他列中的一列中搜索字符串【英文标题】:How to search for a string in one column in other columns of a data frame 【发布时间】:2015-08-27 05:22:19 【问题描述】:

我有一个表格,叫它df,有3列,第一列是产品的标题,第二列是产品的描述,第三列是一个单词的字符串。我需要做的是在整个表上运行一个操作,创建 2 个新列(称它们为“exists_in_title”和“exists_in_description”),它们的值为 1 或 0,表示第 3 列是否存在于第 1 列或第 2 列中。我需要它只是一个 1:1 操作,例如,调用第 1 行“A”,我需要检查单元格 A3 是否存在于 A1 中,并使用该数据创建列 exists_in_title,然后检查 A3 是否存在于 A2 中,并使用该数据创建列 exists_in_description。然后移动到 B 行并进行相同的操作。我有数千行数据,因此一次以 1 的方式执行这些操作是不现实的,为每一行编写单独的函数,肯定需要一个函数或方法一次性遍历表中的每一行。

我玩过 grepl、pmatch、str_count,但似乎没有一个能真正满足我的需求。我认为 grepl 可能是最接近我需要的,这是我编写的 2 行代码的示例,它们在逻辑上按照我的意愿执行,但似乎没有用:

df$exists_in_title <- grepl(df$A3, df$A1)

df$exists_in_description <- grepl(df$A3, df$A2)

但是,当我运行它们时,我收到以下消息,这让我相信它不能正常工作:“argument 'pattern' has length > 1 and only the first element will be used”

任何有关如何执行此操作的帮助将不胜感激。谢谢!

【问题讨论】:

一个可重复的例子可能会有所帮助:***.com/a/28481250/1191259 就我个人而言,我发现这里的文字墙有点难以挖掘。 举个例子有助于澄清您的问题,但您可能正在寻找类似 @​​987654323@ 的内容。 【参考方案1】:

grepl 将与mapply 一起使用:

示例数据框:

title <- c('eggs and bacon','sausage biscuit','pancakes')
description <- c('scrambled eggs and thickcut bacon','homemade biscuit with breakfast pattie', 'stack of sourdough pancakes')
keyword <- c('bacon','sausage','sourdough')
df <- data.frame(title, description, keyword, stringsAsFactors=FALSE)

使用grepl搜索匹配:

df$exists_in_title <- mapply(grepl, pattern=df$keyword, x=df$title)
df$exists_in_description <- mapply(grepl, pattern=df$keyword, x=df$description)

结果:

            title                            description   keyword exists_in_title exists_in_description
1  eggs and bacon      scrambled eggs and thickcut bacon     bacon            TRUE                  TRUE
2 sausage biscuit homemade biscuit with breakfast pattie   sausage            TRUE                 FALSE
3        pancakes            stack of sourdough pancakes sourdough           FALSE                  TRUE

更新我

您也可以使用dplyrstringr 执行此操作:

library(dplyr)
df %>% 
  rowwise() %>% 
  mutate(exists_in_title = grepl(keyword, title),
         exists_in_description = grepl(keyword, description))

library(stringr)
df %>% 
  rowwise() %>% 
  mutate(exists_in_title = str_detect(title, keyword),
         exists_in_description = str_detect(description, keyword))   

更新二

Map也是一个选项,或者使用更多来自tidyverse的另一个选项可能是purrrstringr

library(tidyverse)
df %>%
  mutate(exists_in_title = unlist(Map(function(x, y) grepl(x, y), keyword, title))) %>% 
  mutate(exists_in_description = map2_lgl(description, keyword,  str_detect))

【讨论】:

以上是关于如何在数据框的其他列中的一列中搜索字符串的主要内容,如果未能解决你的问题,请参考以下文章

从 Python 数据框的一列中的每一行中删除前 x 个字符

如何在熊猫数据框+ python的一列中的<>之间找到多个子字符串

熊猫从数据框中的一列中提取部分字符串并将其存储在一个新列中

如何将 XML 节点内容转换为 VBA 中的字符串?

根据一列中的字符串进行分组和排名

如何用同一数据框中其他列的实际列值替换一列中的字符串值?