R中2列之间部分匹配的标志

如何解决R中2列之间部分匹配的标志

我有一个数据框，需要创建一个标志来指示实例，其中实例中的两列之间存在部分匹配，这是代码和一些伪数据：

doc_id <- c("doc1","doc1","doc2","doc3","doc4","doc4")
word <- c("apple","apples","chicken","banana","bananas","veggie","veggies")
text <- c("yesterday I ate apples","yesterday I ate apples","yesterday I ate chicken","yesterday I ate bananas","yesterday I ate veggies","yesterday I ate veggies") 
mydata <- data.frame(doc_id,word,text,stringsAsFactors = FALSE)

预期结果是与同一数据框相同，并带有一列，用于显示单词和文本之间的匹配是否为部分匹配

doc_id <- c("doc1","soup")
text <- c("yesterday I ate apples","yesterday I ate soup") 
partial_match <- c("1","0","1","0")
mydata2 <- data.frame(doc_id,partial_match,stringsAsFactors = FALSE)

我尝试过

str_detect(mydata$word,mydata$text)

以及使用charmatch，pmatch，grep和grepl等功能的类似东西均未成功。

真实数据包含数千条记录，因此解决方案应该扩展。

谢谢。

解决方法

经过很长时间的尝试，我了解了一些有关字符串操作的更多知识并得到了它。可能不是最有效的方法，但它确实有效。

OBS：我在评论中标了“¹”，“²”和“³”，以便稍后进行解释。

parcial.m = numeric() # Create an empty vector

for(i in 1:nrow(mydata2)){
  pattern = paste("([^\n]*)(",mydata2$word[i],")([^\n]*)",sep="")
  # ¹

  split = unlist(strsplit(mydata2$text[i],"[ [:punct:]]"))
  # Split the text by punctuation and spaces,i.e. by words

  word = grep(mydata2$word[i],split,value=TRUE)
  # Select only the 'original' word
  
  if(length(grep(mydata2$word[i],word))==0) {parcial.m[i]=0}
  # ²

  else {parcial.m[i] = !((gsub(pattern,"\\1",word)=="") & (gsub(pattern,"\\3",word)==""))}}
  # ³

¹：模式是：除换行（因此(...)，{ {1}}是换行符，*是除换行符之外的所有字符），然后是带有搜索词的组，第三个等于第一个。

²：如果根本没有匹配项，那么我们就没有部分匹配项，因此我们希望其值为0。我们使用^\n将返回长度为0的数字这一事实来选择这些情况没有匹配的时候。

³：\n和^选择模式的第1组和第3组。如果这是一个完美的匹配，那么在我们“离开”搜索到的单词（第2组）之后，grep(mydata2$word[i],word)（我称为“原始单词”）将不会有任何“剩余值”，因此第1和第3组将是空（即= "\\1"）。该行代码测试两个组是否同时为空（完全匹配），并将其取反（因此为！）。正如我们已经使用if语句将不匹配项标记为0一样，剩下的就是部分匹配项。