R：与其他特征向量匹配特征向量

Question

不能环绕这个任务我心里

考虑一个数据帧“USA” 3列，“标题”，“城市”和“国家”（可重复） ：

title <- c("Events in Chicago, September", "California hotels", 
       "Los Angeles, August", "Restaurant in Chicago") 
    city <- c("","", "Los Angeles", "Chicago") 
    state <- c("","", "California", "IL") 

    usa <-data.frame(title, city, state) 

造成这种：

       title  city  state 
    1 Events in Chicago, September      
    2   California hotels      
    3   Los Angeles, August Los Angeles California 
    4  Restaurant in Chicago  Chicago   IL 

现在我所要做的是填补了状态变量的第2个观察值，这是现在下落不明。

TITLE变量包含一条线索：在每个条目中提及城市或州。

我需要做到以下几点：

1. 检查是否在“标题”列中的任何字在“城市”和“国家”栏中发现的任何意见一致;
2. 如果“标题”中的任何单词与“状态”中的任何观察值相匹配，请将相同的状态粘贴到给定标题的观察值;
3. 如果“标题”中的任何单词与“城市”中的任何观察值匹配，则将匹配的城市状态粘贴到标题行的“状态”列中。

所以我想最终是这样的：

       title  city  state 
    1 Events in Chicago, September      IL 
    2   California hotels    California   
    3   Los Angeles, August Los Angeles California 
    4  Restaurant in Chicago  Chicago   IL 

换句话说，第二行中的标题包含一个词“加州”，所以匹配状态从状态向量中。然而，在第一行中，“芝加哥”这个词是关键，数据框中还有另外一个条目（第4行），它将芝加哥与“IL”状态联系起来，所以“IL”必须粘贴在第一行行“状态”列。

等待社区的想法:)谢谢！

Answer 1

我建议你使用stringr包;具体而言，称为str_extract的功能。

如果您有完整的城市列表，例如city <- c("Los Angeles", "Chicago")，那么你可以使用paste(city, collapse = '|'将它变成正则表达式）。这会给你：'Los Angeles|Chicago'。与str_extract，你可以提取该城市（将提取它看到的第一个，如果没有出现，将提取一个NA）。这是完整的代码。 注：

# A tibble: 4 x 3 
         title  city  state 
         <chr>  <chr>  <chr> 
1 Events in Chicago, September  Chicago  <NA> 
2   California hotels  <NA> California 
3   Los Angeles, August Los Angeles California 
4  Restaurant in Chicago  Chicago   IL 

：如果你的数据帧是data_frame（tibble），而不是一个data.frame（并不完全知道为什么，还没有研究它）

library(tidyverse) 
library(stringr) 

title <- c("Events in Chicago, September", "California hotels", 
      "Los Angeles, August", "Restaurant in Chicago") 
city <- c("","", "Los Angeles", "Chicago") 
state <- c("","", "California", "IL") 

usa <-data_frame(title, city, state) # notice this is a data_frame not data.frame 

cities <- paste(c("Los Angeles", "Chicago"), collapse = '|') 
states <- paste(c("California", "IL"), collapse = '|') 

usa <- usa %>% 
    mutate(city = ifelse(city == '', str_extract(title, cities), city), 
     state = ifelse(state == '', str_extract(title, states), state)) 

这导致这仅适用