R 将一个数据帧中的一系列文本搜索到另一个数据帧中

我想搜索一个数据帧中的一系列拆分文本到另一个数据帧中，如果找到，则为它们分配分数

a= c("inter","cde",'c','d','e', NA)
b= c("travel","dfgh",'d','f','g', 'h',NA)
c= as.data.frame(rbind(a,b))

我们有数据帧c，其中有3行，如上所述。我有另一个数据框，包含如下内容

  e= c("cdes")
  f= c("dfgk")
  l=c(“cdsc”)
  o=c(“dfvv”)
  g= as.data.frame(rbind(e,f,l,o))

所以对于“cde”，在c数据帧中拆分为c、d、e、NA。对于“cde”，实际名称为inter。现在我想搜索c，然后是d，然后是e，它是从数据帧g中的“cde”中分离出来的。如果在g中的一行中找到c，则在同一行中搜索d和e，并在所有相邻的位置分配分数100。当NA出现时，打破循环并转到下一行搜索，即d、f、g

输出应该是

  V0        V      V1  Score1   V2  Score2  V3  Score3   V4   Score4     V5
 inter     cde      c   100%     d   100%   e    100%    NA    0%       cdes
 travel    dfgh     d   100%     f   100%   g    100%    h     0%       dfgk

---

因此，在输出中，所有的评分都完成了，并且它也给出了数据帧g中的匹配行，其中匹配已经执行。数据帧g中更匹配的一个应该在V5下

您正在寻找类似的东西吗

aux =apply(c,2,function(x){              # Run function for each column of c
  aux=rep("0%",nrow(g))                  # Create adjacent column with all 0%
  for (i in 1:nrow(g)){                  # For each row of g
    if (grepl(x[i],g[i,],fixed = TRUE)){ # If the letter is found in the text
      aux[i] = "100%"                    # update the 0% with 100%
    }
  }
  cbind(x,aux)                           # join 'c' column to the % column
})

dim(aux)=c(nrow(g),ncol(c)*2)            # reshape the results dimension

> aux
     [,1] [,2]   [,3] [,4]   [,5] [,6]   [,7] [,8]
[1,] "c"  "100%" "d"  "100%" "e"  "100%" "NA" "0%"
[2,] "d"  "100%" "f"  "100%" "g"  "100%" "h"  "0%"

注：我对任何

nrow

和

ncol

您可以使用以下命令添加名称：

colnames(aux)=c(rbind(paste0("V",1:(ncol(aux)/2)),
                      paste0("Score",1:(ncol(aux)/2))))

编辑

我真的不明白你的部分代码的意义。。。为什么需要

o

和

l

？？？不过，这应该会给你想要的结果

g = as.data.frame(rbind(e,f),stringsAsFactors = FALSE)
c = as.data.frame(rbind(a,b)) 

aux =apply(c[,-(1:2)],2,function(x){                      # Run function for each column of c
  print(x)        
  aux=rep("0%",nrow(g))                          # Create adjacent column with all 0%
  for (i in 1:nrow(g)){                          # For each row of g
    is_it_in = grepl(x[i],g[i,],fixed = TRUE)
    if (ifelse(is.na(is_it_in),FALSE,is_it_in)){ # If the letter is found in the text
      aux[i] = "100%"                            # update the 0% with 100%
    }
  }
  cbind(x,aux)                                   # join 'c' column to the % column
})

dim(aux)=c(nrow(g),(ncol(c)-2)*2)                # reshape the results dimension
res = cbind(c[,1:2],aux,g)                       # Join everything
names(res) = c("V0","V",c(rbind(paste0("V",1:(ncol(res)/2)),
                           paste0("Score",1:(ncol(res)/2)))))[-(ncol(res)+1)]

> res
      V0    V V1 Score1 V2 Score2 V3 Score3   V4 Score4   V5
a  inter  cde  c   100%  d   100%  e   100% <NA>     0% cdes
b travel dfgh  d   100%  f   100%  g   100%    h     0% dfgk

g=as.data.frame（rbind（e，f），stringsAsFactors=FALSE）
c=as.data.frame（rbind（a，b））
aux=apply（c[，-（1:2）]，2，函数（x）{为c的每一列运行函数
打印（x）
aux=rep（“0%”，nrow（g））#使用所有0%创建相邻列
对于（i in 1:nrow（g））{#对于g的每一行
它在=grepl（x[i]，g[i，]，fixed=TRUE）中吗
if（ifelse（is.na（is_it_;in）、FALSE、is_it___in））{如果在文本中找到了该字母
aux[i]=“100%”#将0%更新为100%
}
}
cbind（x，aux）#将“c”列连接到%列
})
dim（aux）=c（nrow（g），（ncol（c）-2）*2）#重塑结果维度
res=cbind（c[，1:2]，aux，g）#连接所有事物
名称（res）=c（“V0”，“V”，c（rbind（paste0（“V”，1:（ncol（res）/2）），
paste0（“分数”，1:（ncol（res）/2()(()))][-（ncol（res）+1）]
>res
V0 V V1分数1 V2分数2 V3分数3 V4分数4 V5
内部cde c 100%d 100%e 100%0%cde
b行程dfgh d 100%f 100%g 100%h 0%dfgk

包括l和o时的输出。然而，理想情况下，只有两行应该出现，因为他们是更接近匹配

  V0    V V1 Score1 V2 Score2 V3 Score3   V4 Score4    V5 Score5   V6
 inter  cde  c   100%  d   100%  e   100% <NA>     0% inter     0% cdes
 travel dfgh  d   100%  f   100%  g   100%    h     0%  <NA>     0% dfgk
 inter  cde  c     0%  d     0%  e     0% <NA>     0% inter     0% cdsc
 travel dfgh  d     0%  f     0%  g     0%    h     0%  <NA>     0% dfvv

V0 V V1评分1 V2评分2 V3评分3 V4评分4 V5评分5 V6
内部cde c 100%d 100%e 100%0%内部0%cde
行程dfgh d 100%f 100%g 100%h 0%0%dfgk
内部cde c 0%d 0%e 0%0%0%内部0%cdsc
行程dfgh d 0%f 0%g 0%h 0%0%dfvv

请显示您的最终结果。如果NA意味着丢失，而不是字符串，也不要在其周围加引号。最终输出是，如果找到c，则给它100%的分数，然后转到下一个查找d，如果找到，则再次给它100%的分数，依此类推。所有分数应在新的相邻列中。希望这有帮助。但是，当使用concat.split将c、d、e组合拆分为3时，它们是相同的名称。现在，将在另一个包含cde的数据帧中单独搜索它们。这个过程就是这样的，@Elin所说的是，你应该实际展示最终输出应该是什么样子，而不仅仅是解释它。请写一个输出数据框的示例。您的数据为什么必须在一个有两行多列的数据框中，而不是一列用于

值

，一列用于

值

，一列用于

分数

？我问这个问题是因为它在长格式中可能更容易。我对上面的场景非常满意。可能主要的问题是获取分数以查看匹配的准确性。运行上述代码会出现以下错误“if中的错误（grepl（x[I]，g[I，]，fixed=TRUE））{：参数不可解释为逻辑”是的，我忘了提到：您的字符被编码为

factors

。当您定义

c

和

g

时，在末尾添加

stringsafactors=FALSE

。因此，对于

c

，

c=as.data.frame（rbind（e，f），stringsafactors=FALSE）

我添加了它，然后只有我运行了代码，它仍然抛出相同的代码error@samadrazakhan我只是复制并粘贴了您的示例数据，然后复制并粘贴了boski的代码，即使有这些因素，一切都运行得很好。您是否在某个地方更改了某些内容，或者使用了不同的数据？1）如果代码每周一次适用于整行d然后移动到下一行。根据我的条件，它首先在数据帧g中找到“c”，一旦找到，它就会在下一列中找到d，但它在同一行中。此外，它在“cde”中只找到了d，而不在任何其他行中，因为c只存在于其中。它是这样工作的吗？2）你能给我强调一下代码是如何工作的吗？@格什特