tidyverse/dplyr 用于 str_detect 案例/mutate 的解决方案

Question

我已经看到了一些这样的片段，但遗憾的是到目前为止还没有完整的答案，所以我想问一下。

我正在开发一个函数，根据某些按严重性排名的关键词是否存在来分配值。像这样：

severity <- c("kw1", "kw2", "kw3", "kw4", "kw5", "kw6")

它基本上遍历数据集中的单个列，并根据严重性列表中是否存在“第一个/最严重”条目来分配一个值。 使用以下内容，我意识到您可以使用

str_detect

检测多个字符串：

如何检查另一个字符串中是否存在多个字符串？

severity_rankings <- severity_df |>
  dplyr::mutate(
    # Classify severity based on strings
    severity_kw = dplyr::case_when(
      if (any(stringr::str_detect(tolower(severity_string),severity))) ~ severity[min(which(str_detect(tolower(severity_string),severity) == TRUE))],
      .default = NA
    ))

但这会不断抛出错误，就像它试图解析整个列一样：

Error in `dplyr::mutate()`:
ℹ In argument: `severity_kw = dplyr::case_when(...)`.
Caused by error in `stringr::str_detect()`:
! Can't recycle `string` (size 20) to match `pattern` (size 6).
Run `rlang::last_trace()` to see where the error occurred.

最终，我想要的是这样的输出：

ID          severity_string severity_kw
1     kw1 with KW2 and kw6         kw1
2                      kw6         kw6
3   kw6 with kW5, kw2 also         kw2
4                      KW3         kw3
5                      KW5         kw5
6   KW4 with kw2, kw1 also         kw1
7                      KW1         kw1
8                      KW2         kw2
9             KW4 with KW5         kw4
10                      KW6         kw6
11 KW6 with KW1 on the side         kw1
12     KW2 with KW4 and KW1         kw1
13             kw5 with kw6         kw5
14                      kw7        <NA>
15              KW3 and KW2         kw2
16                      KW2         kw2
17              KW1 and KW6         kw1
18                      KW3         kw3
19              KW3 and KW1         kw1
20                      kw1         kw1

我确信这是错误的语法或错误的 

dplyr

调用，但不知道从哪里开始。 任何和所有建议将不胜感激。

用于生成初始数据帧：

severity_df <- data.frame(
    ID = c(1:20), 
    severity_string = c("kw1 with KW2 and kw6", "kw6", "kw6 with kW5, kw2 also", "KW3", "KW5",
                        "KW4 with kw2, kw1 also", "KW1", "KW2", "KW4 with KW5", "KW6",
                        "KW6 with KW1 on the side", "KW2 with KW4 and KW1", "kw5 with kw6", "kw7", "KW3 and KW2",
                        "KW2", "KW1 and KW6", "KW3", "KW3 and KW1", "kw1"),
    stringsAsFactors = FALSE
)

Answer 1

str_detect()

与

string

和

input

的值一起使用，它们的长度不兼容。您可以像这样重现错误：

str_detect(c("foo", "bar"), c("foo", "bar", "baz"))
#> Error in `str_detect()`:
#> ! Can't recycle `string` (size 2) to match `pattern` (size 3).
#> Run `rlang::last_trace()` to see where the error occurred.

我认为你也有一个放错地方的

if

，但这似乎超出了问题的重点。

对于您的用例，我会改变策略并使用像

map_chr()

这样具有定制功能的工具：

severity_df |>
  mutate(
    severity_kw = severity_string |>

      # For each value of severity_string...
      purrr::map_chr(function(x) {
        
        # For each value of severity...
        for (pattern in severity) {
          
          # Return the value of severity, if there's a match
          if (str_detect(x, regex(pattern, ignore_case = TRUE))) {
            return(pattern)
          }
        }
        
        # If no values match, return NA
        NA_character_
      })
  )