Сравнивать символы и возвращать несоответствия в R

ProgramBox

Сравнивать символы и возвращать несоответствия в R

Post author:admin
Запись опубликована:10 мая, 2023
Post category:Вопросы по программированию

#r #compare

#r #Сравнить

Вопрос:

Я хочу сравнивать символы итеративно и возвращать несоответствия между 2 столбцами фрейма данных.

Он не должен возвращаться, если x2x, y67y, поскольку x остается x, а y остается как y .

Ввод:

 x y    x_val              y_val
A  B   x2x, y67h, d7j  x2y, y67y, d7r
B  C   x2y, y67y, d7r  x2y, y67y, d7r
C  A   x2y, y67y, d7r  x2x, y67h, d7j  
C  D   x2y, y67y, d7r  x67b, g72v, b8c
D  E   x67b, g72v, b8c  x67r, g72j

Я хочу добавить столбец val и возвращать различия между x_val и y_val

Вывод:

 x y       x_val             y_val           val
A  B   x2x, y67h, d7j  x2y, y67y, d7r     x2y, d7r
B  C   x2y, y67y, d7r  x2y, y67y, d7r     NA
C  A   x2y, y67y, d7r  x2x, y67h, d7j     y67h, d7j
C  D   x2y, y67y, d7r  y67b, g72v, b8c    y67b, g72v, b8c
D  E   y67b, g72v, b8c  y67b, g72j        g72j

Я пытался xy_val <- y_val[!(y_val %in% x_val)]

Не могли бы вы, пожалуйста, предложить решение о том, как выводить несоответствия.

Мои данные:

 structure(list(x = c("A", "B", "C", "C", "D"), y = c("B", "C", "A", "D", "E"), x_val = c("x2x, y67h, d7j", "x2y, y67y, d7r", "x2y, y67y, d7r", "x2y, y67y, d7r", "y67b, g72v, b8c"), y_val = c("x2y, y67y, d7r", "x2y, y67y, d7r", "x2x, y67h, d7j", "y67b, g72v, b8c", "y67b, g72j" )), class = "data.frame", row.names = c(NA, -5L))

Я ценю вашу помощь!

Спасибо

1. Можете ли вы добавить свои данные в dput(mydata) форму? Не совсем ясно, каков формат ваших переменных x_val и y_val . Это строки, разделенные запятыми? или векторы?

2. Полезно знать, но я не спрашиваю о том, что представляют данные. Я спрашиваю о формате самих данных. «строки», как в строковых литералах в программировании.

3. f <- data.frame( x = c(«A», «B», «C», «C», «D»), y = c(«B», «C», «A», «D», «E»), x_val = c(«x2x, y67h, d7j», «x2y, y67y, d7r», «x2y, y67y, d7r», «x2y, y67y, y67y , d7r», «y67b, g72v, b8c»), y_val = c («x2y, y67y, d7r», «x2y, y67y, d7r», «x2x, y67h, d7j», «y67b, g72v, b8c», «y67b, g72j»))

4. структура (список(x = c(«A», «B», «C», «C», «D»), y = c(«B», «C», «A», «D», «E»), x_val = c(«x2x, y67h, d7j», «x2y, y67y, d7r», «x2y, y67y, d7r», «x2y, y67y, d7r», «y67b, g72v, b8c»), y_val = c («x2y, y67y, d7r», «x2y, y67y, d7r», «x2x, y67h, d7j», «y67b, g72v, b8c», «y67b, g72j»)), класс = «data.frame», row.names = c(NA, -5L))

5. Кто-нибудь может любезно помочь. Приведенный ниже код помогает, но он также не должен возвращать x2x, y67y, поскольку изменений нет.

Ответ №1:

С помощью dplyr и purrr :

 library(dplyr)
library(purrr)

f %>% mutate(diff_x = map2_chr(strsplit(x_val, split = ", "), 
                               strsplit(y_val, split = ", "), 
                               ~paste(grep('([a-z])(?>\d )(?!\1)', setdiff(.x, .y), 
                                           value = TRUE, perl = TRUE), 
                                           collapse = ", ")) %>%
               replace(. == "", NA), 
             diff_y = map2_chr(strsplit(x_val, split = ", "), 
                               strsplit(y_val, split = ", "), 
                               ~paste(grep('([a-z])(?>\d )(?!\1)', setdiff(.y, .x), 
                                           value = TRUE, perl = TRUE),
                                           collapse = ", ")) %>%
               replace(. == "", NA))

Примечания:

grep принимает выходные данные setdiff и удаляет любой элемент с форматом «одинаковые символы с цифрами между ними»
([a-z]) соответствует любым буквенным символам.
(?>\d ) это атомарная группа, которая сопоставляет цифры любой длины, но не выполняет обратный отсчет.
(?!\1) является отрицательным прогнозом, который соответствует тому, что было сопоставлено с ([a-z])

Вывод:

   x y           x_val           y_val    diff_x          diff_y
1 A B  x2x, y67h, d7j  x2y, y67y, d7r y67h, d7j        x2y, d7r
2 B C  x2y, y67y, d7r  x2y, y67y, d7r      <NA>            <NA>
3 C A  x2y, y67y, d7r  x2x, y67h, d7j  x2y, d7r       y67h, d7j
4 C D  x2y, y67y, d7r y67b, g72v, b8c  x2y, d7r y67b, g72v, b8c
5 D E y67b, g72v, b8c      y67b, g72j g72v, b8c            g72j

1. Когда я пытаюсь сохранить это как X, значения в diff_x и diff_y сохраняются в виде списка. X <- f %>% mutate(diff_x = map2(strsplit(x_val, split = «, «), strsplit(y_val, split = «, «), setdiff), diff_y = map2(strsplit(y_val, split = «, «), strsplit(x_val, split = «, «), setdiff))

2. Спасибо за обновление. Но я получаю следующую ошибку. Ошибка в strsplit(x_val, split = «, «): объект ‘x_val’ не найден

3. Разобрался, это должно быть f %>% вместо <- . Я ценю вашу помощь!

4. Извините, я забыл упомянуть, несоответствия не должны быть возвращены, если x2x (без изменений — нет мутации), как я показал это в выходных данных 3-го столбца: y67h, d7j [C A x2y, y67y, d7r x2x, y67h, d7j y67h, d7j] Не могли бы вы, пожалуйста, помочь мне с этим @avid_useR. Спасибо

5. @sdu Мы можем добавить grep inside paste , чтобы удалить любые строки с форматом «одинаковые символы с цифрами между ними»

Ответ №2:

дает ли это желаемые результаты?

 check_this = function(temp_data)
{
  print(temp_data)

  string_1 = gsub(", ", " ",   temp_data["x_val"])
  string_2 = gsub(", ", " ",   temp_data["y_val"])

  string_sub_1 = gsub(" ", "|", string_1)
  string_sub_2 = gsub(" ", "|", string_2)

  unmatche_s1 = gsub(string_sub_2, "", string_1)
  unmatche_s2 = gsub(string_sub_1, "", string_2)

  # return both as a list - if you need only unmachtedy_in_x you can just return(unmatched_s2)
  return(list(unmatchedx_in_y = unmatche_s1, unmatchedy_in_x = unmatche_s2))

}

res = apply(f, 1, check_this)