如何在 R 中基于特定术语词典创建二元变量

Question

我希望获得有关根据文本数据中是否出现特定术语词典在 R 中创建二进制变量的帮助。我目前有一个数据框，其中其中一列（文本）包含我有兴趣分析的不同文本。我想分析围绕动物的文本是否出现在这些列中（编码为1），或者是否没有出现围绕动物的文本（编码为0）。

我已经创建了一个“动物”字典（animals_dict）（其中包含三个术语“猫”、“狗”和“鱼”）。本质上，我想创建一个新变量（data_zoo$animals），它指示任何文本是否包含动物字典的提及（1）或没有（0）。

我尝试编写代码，但不断出现错误。这是我到目前为止所拥有的：

data_zoo <- mutate(data_zoo, data_zoo$animals = if_else(data_zoo$text=="animals_dict", 1, 0))

我需要帮助获取创建此变量的适当语法。

Answer 1

animals <- c("cat", "dog", "fish")

data_zoo <- data.frame(text = c("The dog barks", "Bored catfish", "Phish"))

data_zoo |>
  dplyr::mutate(animals = +stringr::str_detect(text, paste(animals, collapse = "|")))

           text animals
1 The dog barks       1
2 Bored catfish       1
3         Phish       0