在 R 中，如何创建一个子集来过滤包含特定字符串的不同列中的行？

Question

我正在使用 RStudio。我正在处理伦敦蓝色和红色历史牌匾的数据集。我想看的一些有趣的专栏包括“标题”，“性别”（选项是男性，女性，物体，地点等），“安装”（牌匾竖立的年份），“subject_lead_primary_role”（他们的职称，一般为1-5个字）和“铭文”（牌匾上的铭文，多个字）。

我有兴趣过滤包含原始集合中所有作者的子集。使用“subject_lead_primary_role”和“inscription”等列，我想过滤包含以下任何一个或多个单词的所有行：“作者”，“作家”，“小说家”，“散文家”，“诗人”，“剧作家” ”、“记者”、“戏剧家”和“日记作家”。我希望这个子集不含 NA。

• 我正在从 csv 文件导入数据，将我的 wd 设置为包含该文件的文件夹并希望这足以工作？
• 如何创建一个子集，仅显示包含上述内容（一个或多个单词）的行。
• 我如何告诉 R 过滤这些单词并标记包含其中一个或多个单词的所有行？
• 如何告诉 R 计算单个单词的数量（例如，与“作者”相比，名词“作家”在牌匾上使用的频率如何？）。
• 有哪些好方法可以形象化这一点？有哪些好礼包值得拥有？

我对 R 非常陌生。我能够导入数据集并对数值数据执行基本可视化，但之前没有使用过字符串。

Answer 1

这是一个如何对数据框进行子集化的示例，类似于您使用

tidyverse

包描述的数据框。

library(tidyverse)

# Create example dataset
dat <- data.frame(
  color = rep(c('Blue','Red'), times = 3),
  role = c('Academic','Dentist','Pilot','Author','Playwright','Journalist'),
  inscription = c('Darwin is buried in London',
                  'William Guy created the 1921 Dentists Act in the United Kingdom',
                  'Mary Ellis flew planes in WWII',
                  'Oscar Wilde was a writer of many great stories',
                  'Shakespeare was a playwrite, poet, and actor',
                  'John Oliver probably has a plaque in the UK'))

# Subsetting based on one word in inscription column
dat %>%
  filter(str_detect(inscription, 'writer'))
#>   color   role                                    inscription
#> 1   Red Author Oscar Wilde was a writer of many great stories

# Subsetting based on two+ words in inscription column
# Note that this filter is case-sensitive
dat %>%
  filter(str_detect(inscription, 'writer|poet|Oliver'))
#>   color       role                                    inscription
#> 1   Red     Author Oscar Wilde was a writer of many great stories
#> 2  Blue Playwright   Shakespeare was a playwrite, poet, and actor
#> 3   Red Journalist    John Oliver probably has a plaque in the UK

^{创建于 2024-05-14，使用 reprex v2.1.0}