r - 按参数模式和左连接进行匹配

Question

我正在尝试将城市/县名称(幸运的是提供了州名称信息)与其相应的州名称相匹配，然后使用 left_join() 将其前三个电话数字附加为另一列。我最初的想法是复制城市/县名称列，然后使用 sapply() 和 grep() 将其替换为州名称，然后使用 left_join() 将其与电话数字列合并，但我的代码似乎不起作用。

library(dplyr)

location <- data.frame(location = c('Asortia, New York', 'Buffalo, New York', 'New York, New York',  'Alexandra, Virginia', 'Fairfax, Virginia', 'Baltimore, Maryland', 'Springfield, Maryland'), number = c(100, 200, 300, 400, 500, 600, 700))

state <- data.frame(state = c('New York', 'Virginia', 'Maryland'))

sapply(as.character(state$state), function(i) grep(i, location$location))

### doesn't work! ###
### my desired output would be ###

  location number
1 New York    100
2 New York    200
3 New York    300
4 Virginia    400
5 Virginia    500
6 Maryland    600
7 Maryland    700

这样我就可以使用 left_join 将上面生成的输出与他们的三位数电话号码合并。例如，

df <- location
names(df)[1] <- 'state'
digit <- data.frame(state = c('New York', 'Virginia', 'Maryland'), digit = c(212, 703, 410))
   
new_df <- left_join(df, digit, by = 'state')

### the desired output ###

  location number digit
1 New York    100   212
2 New York    200   212
3 New York    300   212
4 Virginia    400   703
5 Virginia    500   703
6 Maryland    600   410
7 Maryland    700   410

我已经引用了this和 this线程，但没有完全掌握线索。 希望有人能帮助我解决这个问题。

＃＃ 更新

我发现在for循环中使用grepl也可以，但是如果你有大量数据(我正在处理的数据)，处理可能会很慢有 200 万个观测值)。

for (i in state$state) { 
location$location[grepl(i, location$location)] <- i
}

Answer 1

也许我们可以通过在“state”中粘贴(str_c)pattern向量来使用str_remove “state”数据集中的列作为正则表达式查找，以匹配向量之前的任何内容(要删除)

library(stringr)
library(dplyr)
location %>%
    mutate(location = str_remove(location, str_c(".*(?=(",
            str_c(state$state, collapse  = "|"), "))")))
#  location number
#1 New York    100
#2 New York    200
#3 New York    300
#4 Virginia    400
#5 Virginia    500
#6 Maryland    600
#7 Maryland    700

---

或者另一种选择是将分隔分成两列并删除第一个

library(tidyr)
location %>%
   separate(location, into = c('unwanted', 'location'), sep=",\\s*") %>% 
   select(-unwanted)

---

或者，如果我们有特定模式，请通过从开头匹配一个或多个不是 , 的字符 (^) 来删除前缀部分，后跟 , 和零个或多个空格 (\\s*) 作为 str_remove

中的模式

location %>% 
    mutate(location = str_remove(location, '^[^,]+,\\s*'))