R：與其他特徵向量匹配特徵向量

Question

不能環繞這個任務我心裏

考慮一個數據幀「USA」 3列，「標題」，「城市」和「國家」（可重複） ：

title <- c("Events in Chicago, September", "California hotels", 
       "Los Angeles, August", "Restaurant in Chicago") 
    city <- c("","", "Los Angeles", "Chicago") 
    state <- c("","", "California", "IL") 

    usa <-data.frame(title, city, state) 

造成這種：

       title  city  state 
    1 Events in Chicago, September      
    2   California hotels      
    3   Los Angeles, August Los Angeles California 
    4  Restaurant in Chicago  Chicago   IL 

現在我所要做的是填補了狀態變量的第2個觀察值，這是現在下落不明。

TITLE變量包含一條線索：在每個條目中提及城市或州。

我需要做到以下幾點：

1. 檢查是否在「標題」列中的任何字在「城市」和「國家」欄中發現的任何意見一致;
2. 如果「標題」中的任何單詞與「狀態」中的任何觀察值相匹配，請將相同的狀態粘貼到給定標題的觀察值;
3. 如果「標題」中的任何單詞與「城市」中的任何觀察值匹配，則將匹配的城市狀態粘貼到標題行的「狀態」列中。

所以我想最終是這樣的：

       title  city  state 
    1 Events in Chicago, September      IL 
    2   California hotels    California   
    3   Los Angeles, August Los Angeles California 
    4  Restaurant in Chicago  Chicago   IL 

換句話說，第二行中的標題包含一個詞「加州」，所以匹配狀態從狀態向量中。然而，在第一行中，「芝加哥」這個詞是關鍵，數據框中還有另外一個條目（第4行），它將芝加哥與「IL」狀態聯繫起來，所以「IL」必須粘貼在第一行行「狀態」列。

等待社區的想法:)謝謝！

Answer 1

我建議你使用stringr包;具體而言，稱爲str_extract的功能。

如果您有完整的城市列表，例如city <- c("Los Angeles", "Chicago")，那麼你可以使用paste(city, collapse = '|'將它變成正則表達式）。這會給你：'Los Angeles|Chicago'。與str_extract，你可以提取該城市（將提取它看到的第一個，如果沒有出現，將提取一個NA）。這是完整的代碼。 注：

# A tibble: 4 x 3 
         title  city  state 
         <chr>  <chr>  <chr> 
1 Events in Chicago, September  Chicago  <NA> 
2   California hotels  <NA> California 
3   Los Angeles, August Los Angeles California 
4  Restaurant in Chicago  Chicago   IL 

：如果你的數據幀是data_frame（tibble），而不是一個data.frame（並不完全知道爲什麼，還沒有研究它）

library(tidyverse) 
library(stringr) 

title <- c("Events in Chicago, September", "California hotels", 
      "Los Angeles, August", "Restaurant in Chicago") 
city <- c("","", "Los Angeles", "Chicago") 
state <- c("","", "California", "IL") 

usa <-data_frame(title, city, state) # notice this is a data_frame not data.frame 

cities <- paste(c("Los Angeles", "Chicago"), collapse = '|') 
states <- paste(c("California", "IL"), collapse = '|') 

usa <- usa %>% 
    mutate(city = ifelse(city == '', str_extract(title, cities), city), 
     state = ifelse(state == '', str_extract(title, states), state)) 

這導致這僅適用