r - 过滤r中同一列中的多个字符串

Question

我的大型数据集(Groceries)有一列包含字符数据(Fruits)，所有这些数据都是小写的，并且所有这些数据都不包含标点符号。

它看起来有点像这样:

# Groceries Data Frame
Id    Groceries$Fruits
1     apple orange banana lemon grapefruit
2     grapes tomato passion fruit
3     strawberry orange kiwi
4     lemon orange passion fruit grapefruit lime
5     lemon orange passion fruit grapefruit lime peach
  ...

我正在尝试从“水果”列中选择包含 5 种特定水果(橙子、酸橙、柠檬、葡萄柚和百香果)的所有行(其中有 3,320 行)。最初，我只对包含所有 5 个水果的行感兴趣，没有其他水果。因此，这 5 行中唯一应该被过滤/子集化的行是第 4 行。水果不必按任何特定顺序排列。

数据实际上是测试的答案，所以最终我感兴趣的是确定谁得到了 0/5 个水果，谁得到了 1/5、2/5 等等......

目前我已经尝试了2种方法，均无效。 首先，我尝试使用 grep()，但结果数据框中没有存储任何行。

# 1st attempt with grep()
Correct fruits <- Groceries[grep("orange, lemon, lime, passion fruit, 
grapefruit", Groceries$Fruits), ]

然后我尝试使用 filter()，但所选行不只包含我要查找的 5 个水果，它会选择包含 5 个水果中任何一个的所有行。

# 2nd attempt with filter
library(dplyr)
library(stringr)
CorrectFruits <- c("lemon", "orange", "passion fruit", "grapefruit", 
"lime")

filter <- Groceries %>%
  select(Id, Fruits) %>%
  filter(str_detect(tolower(Fruits), pattern = CorrectFruits))

我最初追求的结果是一个新的 DF，其中包含 Groceries 表中的所有列，但仅包含正确选择所有 5 个水果的人的行。

接下来，选择相反的选项会很酷；所有未答对全部 5 题的人。

最后，我希望能够对那些正确的特定比例的人进行子集化。 IE。第 1 行正确 3 个，第 2 行仅正确 1 个，第 3 行仅正确 1 个。

任何帮助将不胜感激!

以下是一些列的示例:

# Groceries
Id   Age      Nationality    Colour question   Fruits question
1    26-35    Canadian       Red               apple orange banana lemon grapefruit
2    26-35    US             Blue              grapes tomato passion fruit
3    46-55    Canadian       Red               strawberry orange kiwi
4    55+      US             Red               lemon orange passion fruit grapefruit lime
5    36-45    British        Green             lemon orange passion fruit grapefruit lime peach

Answer 1

可能需要更多地说明您打算如何处理包含所有 5 个水果和一些额外水果的答案，但这应该可以帮助您。我用“passionfruit”替换了“passionfruit”的所有实例，以使其更容易:

df$Fruits <- gsub("passion fruit", "passionfruit", df$Fruits)
CorrectFruits <- c("lemon", "orange", "passionfruit", "grapefruit", 
                   "lime")
df$Count <- str_count(df$Fruits, paste(CorrectFruits, collapse = '|'))
df$Count <- ifelse((df$Count == 5 & str_count(df$Fruits, '\\w+') > 5), 0, df$Count)

这给出了

ID                                          Fruits Count
1            apple orange banana lemon grapefruit     3
2                      grapes tomato passionfruit     1
3                          strawberry orange kiwi     1
4       lemon orange passionfruit grapefruit lime     5
5 lemon orange passionfruit grapefruit lime peach     0

第一行进行西番莲果替换，然后 str_count 计算 df$Fruit 中所有正确水果的出现次数。最后，如果所有 5 个水果都正确，但还有多余的水果，则 Count 重置为 0。