gruppi Assegnazione utilizzando Grepl con più ingressi

Question

Ho un dataframe:

df <- data.frame(name=c("john", "david", "callum", "joanna", "allison", "slocum", "lisa"), id=1:7) 
df 

    name id 
1 john 1 
2 david 2 
3 callum 3 
4 joanna 4 
5 allison 5 
6 slocum 6 
7 lisa 7 

Ho un vettore contenente regex che desidero di trovare nella variabile df nome $:

vec <- c("lis", "^jo", "um$") 

L'uscita I vuole ottenere è la seguente:

 name id group 
1 john 1  2 
2 david 2 NA 
3 callum 3  3 
4 joanna 4  2 
5 allison 5  1 
6 slocum 6  3 
7 lisa 7  1 

ho potuto fare questo nel modo seguente:

df$group <- ifelse(grepl("lis", df$name), 1, 
       ifelse(grepl("^jo", df$name), 2, 
       ifelse(grepl("um$", df$name), 3, 
       NA) 

Tuttavia, voglio farlo direttamente da "vec". Sto generando diversi valori in vec in modo reattivo in un'app lucida. Posso assegnare gruppi basati su indice in vec?

Inoltre, se succede qualcosa di simile a quanto segue, il gruppo dovrebbe essere il primo che appare. per esempio. 'Callum' è TRUE per 'all' e 'um $' ma dovrebbe ottenere un gruppo 1 qui.

vec <- c("all", "^jo", "um$") 

Answer 1

Qui ci sono diverse opzioni:

df$group <- apply(Vectorize(grepl, "pattern")(vec, df$name), 
        1, 
        function(ii) which(ii)[1]) 
#  name id group 
#1 john 1  2 
#2 david 2 NA 
#3 callum 3  3 
#4 joanna 4  2 
#5 allison 5  1 
#6 slocum 6  3 
#7 lisa 7  1 

---

utilizzare un vettore di nome e fondere su di esso:

names(vec) <- seq_along(vec) 

df <- merge(df, stack(Vectorize(grep, "pattern", SIMPLIFY=FALSE)(vec, df$name)), 
by.x="id", by.y="values", all.x = TRUE) 

df[!duplicated(df$id),] # to keep only the first match 
# id name ind 
#1 1 john 2 
#2 2 david <NA> 
#3 3 callum 3 
#4 4 joanna 2 
#5 5 allison 1 
#6 6 slocum 3 
#7 7 lisa 1 

---

Un ciclo for:

df$group <- NA 

for (i in rev(seq_along(vec))) { 
    TFvec <- grepl(vec[i], df$name) 
    df$group[TFvec] <- i 
} 

df 
#  name id group 
#1 john 1  2 
#2 david 2 NA 
#3 callum 3  3 
#4 joanna 4  2 
#5 allison 5  1 
#6 slocum 6  3 
#7 lisa 7  1 

---

Oppure si può utilizzare outer con stri_match_first_regex da stringi

library(stringi) 
match.mat <- outer(df$name, vec, stri_match_first_regex) 
df$group <- apply(match.mat, 1, function(ii) which(!is.na(ii))[1]) 
# [1] for first match in `vec` 

#  name id group 
#1 john 1  2 
#2 david 2 NA 
#3 callum 3  3 
#4 joanna 4  2 
#5 allison 5  1 
#6 slocum 6  3 
#7 lisa 7  1 

Answer 2

Una soluzione Vectorised, utilizzando rebus e stringi.

library(rebus) 
library(stringi) 

creare un'espressione regolare che cattura qualsiasi dei valori in vec.

vec <- c("lis", "^jo", "um$") 
(rx <- or1(vec, capture = TRUE)) 
## <regex> (lis|^jo|um$) 

Abbinare la regex, quindi convertire in fattore e integer.

matches <- stri_match_first_regex(df$name, rx)[, 2] 
df$group <- as.integer(factor(matches, levels = c("lis", "jo", "um"))) 

df appare come segue:

 name id group 
1 john 1  2 
2 david 2 NA 
3 callum 3  3 
4 joanna 4  2 
5 allison 5  1 
6 slocum 6  3 
7 lisa 7  1