在R中：拆分字符向量以查找特定字符并返回数据帧

我希望能够从数据帧中的字符向量中提取特定字符，并返回新的数据帧。我想提取的信息是审计师在特定公司的收入和资产负债表上的评论。我的问题是，审计员的备注存储在包含不同备注的向量中。例如：

vec=c（“A c G H D E”）

。由于

%vec

中的“%A”不会返回

TRUE

，因此我必须使用

strsplit

分解数据帧中的每个字符向量，因此

%unlist中的“%A”（strsplit（dat[I，2]）

。这将返回

TRUE

这里是一个MWE：

dat <- data.frame(orgnr = c(1, 2, 3, 4), rat = as.character(c("A B C")))
dat$rat <- as.character(dat$rat)
dat[2, 2] <- as.character(c("A F H L H"))
dat[3, 2] <- as.character(c("H X L O"))
dat[4, 2] <- as.character(c("X Y Z A B C"))

这将返回以下错误消息：

警告消息：
在（函数（…，deparse.level=1）中：
结果的列数不是向量长度的倍数（arg2）

这是一种理想的方法，因为它速度快，但我不能使用

DF

，因为它可以循环使用。 由于向量的长度不同，有没有办法插入

NA

而不是循环使用？

到目前为止，我已经找到了一个解决问题的方法，将for循环与

ifelse

-语句结合使用。但是，使用300万OB。这种方法需要几年时间

dat$A <- 0

for(i in seq(1, nrow(dat), 1)) {
  print(i)
  dat[i, 3] <- ifelse("A" %in% unlist(strsplit(dat[i, 2], " ")), 1, 0)
}

dat$B <- 0

for(i in seq(1, nrow(dat), 1)) {
  print(i)
  dat[i, 4] <- ifelse("B" %in% unlist(strsplit(dat[i, 2], " ")), 1, 0)
}

---

我已经搜索了这里关于StackOverflow的大部分相关问题。这个问题与我的问题非常接近：，但我不知道如何用这种方法实现strsplit。

我们可以使用for loop with

grepl

来完成这个任务。

+0

是转换列形式

TRUE

或

FALSE

到1或0

for (col in c("A", "B")){
  dat[[col]] <- grepl(col, dat$rat) + 0
}
dat
#   orgnr         rat A B
# 1     1       A B C 1 1
# 2     2   A F H L H 1 0
# 3     3     H X L O 0 0
# 4     4 X Y Z A B C 1 1

library(data.table)

# Convert to data.table
setDT(dat)

# Create a helper function
dummy_fun <- function(col, vec){
  grepl(col, vec) + 0
}

# Apply the function to A and B
dat[, c("A", "B") := lapply(c("A", "B"), dummy_fun, vec = rat)] 
dat
#    orgnr         rat A B
# 1:     1       A B C 1 1
# 2:     2   A F H L H 1 0
# 3:     3     H X L O 0 0
# 4:     4 X Y Z A B C 1 1

使用基本R：

a=strsplit(dat$rat," ")
b=data.frame(x=rep(dat$orgnr,lengths(a)),y=unlist(a),z=1)
cbind(dat,as.data.frame.matrix(xtabs(z~x+y,b)))
  orgnr         rat A B C F H L O X Y Z
1     1       A B C 1 1 1 0 0 0 0 0 0 0
2     2   A F H L H 1 0 0 1 2 1 0 0 0 0
3     3     H X L O 0 0 0 0 1 1 1 1 0 0
4     4 X Y Z A B C 1 1 1 0 0 0 0 1 1 1

从这里，您可以调用所需的列：

d=as.data.frame.matrix(xtabs(z~x+y,b))
 cbind(dat,d[c("A","B")])
  orgnr         rat A B
1     1       A B C 1 1
2     2   A F H L H 1 0
3     3     H X L O 0 0
4     4 X Y Z A B C 1 1

---

感谢您的快速响应，@WWW！当我尝试使用data.table方法运行您的解决方案时，我收到以下警告消息：警告消息：1:In grepl（col，vec）：参数“pattern”的长度>1，并且只使用第一个元素，而不使用c（“A”，“B”）我使用一个包含所有不同字母（19个不同字母）的向量。你知道如何克服这个问题吗？（我还收到错误消息，大小太大，“无法分配向量”，但这是意料之中的。我稍后将在功能更强大的计算机上尝试）。不确定您为什么会收到第一条错误消息。如果您使用

lappy

将

伪函数

逐个应用到每个字符串上，一次应该只有一个模式。不知何故，当我应用存储的字母向量（vec）时，您的方法不起作用。我必须像您在示例中那样输入所有字母。此外，使用数据表方法对超过3个工厂的观察速度非常快。非常感谢！

a=strsplit(dat$rat," ")
b=data.frame(x=rep(dat$orgnr,lengths(a)),y=unlist(a),z=1)
cbind(dat,as.data.frame.matrix(xtabs(z~x+y,b)))
  orgnr         rat A B C F H L O X Y Z
1     1       A B C 1 1 1 0 0 0 0 0 0 0
2     2   A F H L H 1 0 0 1 2 1 0 0 0 0
3     3     H X L O 0 0 0 0 1 1 1 1 0 0
4     4 X Y Z A B C 1 1 1 0 0 0 0 1 1 1

d=as.data.frame.matrix(xtabs(z~x+y,b))
 cbind(dat,d[c("A","B")])
  orgnr         rat A B
1     1       A B C 1 1
2     2   A F H L H 1 0
3     3     H X L O 0 0
4     4 X Y Z A B C 1 1