r - 解析出字符串，将其设置为 R data.table 中的因子列

Question

我真的找不到一种优雅的方式来实现这一点，请帮忙。

我有一个 DT data.table:

name,value
"lorem pear ipsum",4
"apple ipsum lorem",2
"lorem ipsum plum",6

并基于列表 Fruits <- c("pear", "apple", "plum") 我想创建一个因子类型列。

name,value,factor
"lorem pear ipsum",4,"pear"
"apple ipsum lorem",2,"apple"
"lorem ipsum plum",6,"plum"

我想这是基本的，但我有点卡住了，这是我得到的程度:
DT[grep("apple", name, ignore.case=TRUE), factor := as.factor("apple")]
提前致谢。

Answer 1

您可以使用正则表达式对其进行矢量化，例如通过使用 gsub() :

设置数据:

strings <- c("lorem pear ipsum", "apple ipsum lorem", "lorem ipsum plum")
fruit <- c("pear", "apple", "plum")

现在创建一个正则表达式

ptn <- paste0(".*(", paste(fruit, collapse="|"), ").*")
gsub(ptn, "\\1", strings)
[1] "pear"  "apple" "plum" 

正则表达式的工作原理是用 | 分隔每个搜索元素，嵌入在括号内:

ptn
[1] ".*(pear|apple|plum).*"

要在数据表中执行此操作，根据您的问题，就像这样简单:

library(data.table)
DT <- data.table(name=strings, value=c(4, 2, 6))
DT[, factor:=gsub(ptn, "\\1", strings)]
DT

                name value factor
1:  lorem pear ipsum     4   pear
2: apple ipsum lorem     2  apple
3:  lorem ipsum plum     6   plum