如何解决在多个数据框中搜索包含的特定文本,并在新列中返回这些值多次出现
在另一个数据帧的列(文本正文)中从一个数据帧中搜索多个特定单词并随后将这些值提取到新列中,寻求一些帮助。
进一步解释:
- 首先,我有一个包含 14 个国家/地区的大量文本摘要的数据框。
- 其次,我有第二个数据框,其中包含所有行政级别 (lvl_2) 名称,例如省、村庄等。
- 我想基本上从大摘要中提取任何提及这些特定 adm2 省/村庄名称的内容,并用这些词中的每一个创建一个新列,旋转更长的时间。
以下是一些示例数据,您可以使用它们来重现我的问题,其中包含两个数据框:(1) test_admin
用于我要搜索的管理员级别列表,以及 (2) test_dataset$Summary
这是我要运行搜索的列。 (您可以忽略 Other_Variables 的值,这些值填充了真实数据集中的大量值)
test_admin <- data.frame(adm1_name = c("Sindh"),adm2_name = c("Central Karachi","Dadu","East Karachi","Ghotki","Sujawal","Sukkur"))
test_dataset <- data.frame(Summary = c("In Cox's Bazar,this and that happened.","In Yangon,something else happened","In Central Karachi,this happened","In Sindh,"In Dadu AND East Karachi,this happened"),Other_Variable_1 = 1:5,Other_Variable_2 = 1:5)
让事情更复杂的是,我还希望能够从 test_admin
数据框中的两列 列中搜索值。例如,如果您的值“Sindh”来自 adm1_level 列,那么也返回 adm2_level 下的所有结果会非常酷。
但如果你能在更基本的层面上解决它(只搜索一栏),我也会很满意。
我要寻找的输出类似于下面的数据框,它还会返回多行,表示出现多个值的位置。
Summary Other_Variable_1 Other_Variable_2 Locations
1 In Cox's Bazar,this and that happened. 1 1 <NA>
2 In Yangon,something else happened 2 2 <NA>
3 In Central Karachi,this happened 3 3 Central Karachi
4 In Sindh,this happened 4 4 Central Karachi
5 In Sindh,this happened 4 4 Dadu
6 In Sindh,this happened 4 4 East Karachi
7 In Sindh,this happened 4 4 Ghotki
8 In Sindh,this happened 4 4 Sujawal
9 In Sindh,this happened 4 4 Sukkur
10 In Dadu AND East Karachi,this happened 5 5 Dadu
11 In Dadu AND East Karachi,this happened 5 5 East Karachi
我尝试了一些 mutate 和 grepl 函数,但效果不佳。我发现的其他示例似乎仅适用于精确值或单个搜索。感谢您的帮助!
#tidyverse 首选解决方案
解决方法
这是一种方法:
library(tidyverse)
map_df(seq(nrow(test_dataset)),function(i) {
inds <- str_detect(test_dataset$Summary[i],test_admin$adm1_name) |
str_detect(test_dataset$Summary[i],test_admin$adm2_name)
if(any(inds)) tibble(test_dataset[i,],Locations = test_admin$adm2_name[inds])
else tibble(test_dataset[i,Locations = NA)
})
# Summary Other_Variable_1 Other_Variable_2 Locations
# <chr> <int> <int> <chr>
# 1 In Cox's Bazar,this and that happened. 1 1 NA
# 2 In Yangon,something else happened 2 2 NA
# 3 In Central Karachi,this happened 3 3 Central Karachi
# 4 In Sindh,this happened 4 4 Central Karachi
# 5 In Sindh,this happened 4 4 Dadu
# 6 In Sindh,this happened 4 4 East Karachi
# 7 In Sindh,this happened 4 4 Ghotki
# 8 In Sindh,this happened 4 4 Sujawal
# 9 In Sindh,this happened 4 4 Sukkur
#10 In Dadu AND East Karachi,this happened 5 5 Dadu
#11 In Dadu AND East Karachi,this happened 5 5 East Karachi
对于 Summary
中的每个值,我们检查它是否匹配 adm1_name
或 adm2_name
。如果任何行匹配,我们在输出中包含相应的 Location
值,否则返回 NA
。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。