为字符串列表中的每个副本查找“成对”索引

Question

在更改字符串部分元素Ax之后，我想找到该字符串的重复索引，如下面在很长的字符串向量中所解释的。考虑：

D <- data.frame(string=c("A 4 B 15 C 7","A 13 B 17 C 7","A 3 Ax 1 B 15 C 7","A 12 Ax 1 B 17 C 7","A 24 B 15 C 4","A 32 B 13 C 10","A 12 Ax 1 B 24 D 1","A 12 Ax 1 B 24 D 1","A 13 B 24 D 1"))

# string
"A 4 B 15 C 7"
"A 13 B 17 C 7"
"A 3 Ax 1 B 15 C 7"
"A 12 Ax 1 B 17 C 7"
"A 24 B 15 C 4"
"A 32 B 13 C 10"
"A 12 Ax 1 B 24 D 1"
"A 12 Ax 1 B 24 D 1"
"A 13 B 24 D 1"

我现在通过它的Ax增加每个A并删除Ax，所以我将重复：

l <- strsplit(as.character(D$string), ' ')

# check which list parts contain 'Ax'
i <- sapply(l, function(v) any(v == 'Ax'))

# for those that contain 'Ax' increase the second number with 1
# and remove the 'Ax 1' part
l[i] <- lapply(l[i], function(v) {
  v[2] <- as.character(as.numeric(v[2]) + 1);
  v[-c(which(v == 'Ax') + 0:1)]
})    

# check which are duplicates
 k<-data.frame(k=as.integer(duplicated(l)))
 k1<-data.frame(k=as.integer(duplicated(l,fromLast = TRUE)))

这里解决了：Finding isotopes of find corresponding string with two differences exactly predifined

但是，如何检查原始数据框中的哪个位置D我有Ax值和A对应的重复匹配？我的想法如下：其中h指示D行中是否存在Ax（1）或不存在（0）

h<-c(0,0,1,1,0,0,1,1,0)


inds <- lapply(1:length(h[h==1 & (k==1 | k1==1)]), function(x) which(paste0(l[h==1 & (k==1 | k1==1)], collapse = NULL) %in% as.vector(l[h==1 & (k==1 | k1==1)][x])))

inds<-unlist(inds)

inds:
1
2
3
3

我可以通过在原始data.frame中插入inds来检查inds是否正确：

X<-data.frame(A=A[h==0 & (k==1 | k1==1),1][inds],Ax=A[h==1 & (k==1 | k1==1),1])

其中第一列具有A值，第二列具有相应的Ax值

但是除了这需要花费很多时间似乎并不总是给出正确的索引，如果inds有多个匹配，那么这不再起作用了？

有没有人知道如何改进/使其正确并处理多个匹配？最后我想要像inds向量（或如果一行中有多个匹配的列表），所以我知道（如果有重复）我的A字符串在原始数据中的Ax对应位置。框架D。任何其他方法来查找A字符串的相应索引及其相应的Ax字符串也是受欢迎的。

有人可以帮我吗？

非常感谢。

Answer 1

这是解决问题的长期低效（可轻松改进）方式。

D%>%
mutate(string = as.character(string),spaces = str_count( . ,' ')+1)%>%
magrittr::set_colnames(c("strings", "spaces"))%>%
separate(col =  strings, into = paste("col", 1:max(.$spaces), sep = ""))%>%
mutate(col2 = as.numeric(col2),  col4 = as.numeric(col4))%>%
mutate(col2 = ifelse(col4 == 1 & col3 == "Ax", col2+col4, col2),
       col4 = ifelse(col3 == "Ax", "", col4))%>%
mutate_all(funs(replace(., is.na(.)|. == "Ax", NA)))%>%
select(-spaces)%>%
unite(col = "D",colnames(.), sep = " ")%>%
mutate(D = gsub(" NA |NA", "", D))

               D
1   A 4 B 15 C 7
2  A 13 B 17 C 7
3   A 4 B 15 C 7
4  A 13 B 17 C 7
5  A 24 B 15 C 4
6 A 32 B 13 C 10
7  A 13 B 24 D 1
8  A 13 B 24 D 1
9  A 13 B 24 D 1

要获取“重复”字符串问题的索引，只需使用duplicate()返回TRUE / FALSE值的向量，然后使用which()获取索引，只需使用：

data%>%
duplicated()%>%
which()

因此，您的重复数据将通过以下方式显示：

D%>%
mutate(string = as.character(string),spaces = str_count( . ,' ')+1)%>%
magrittr::set_colnames(c("strings", "spaces"))%>%
separate(col =  strings, into = paste("col", 1:max(.$spaces), sep = ""))%>%
mutate(col2 = as.numeric(col2),  col4 = as.numeric(col4))%>%
mutate(col2 = ifelse(col4 == 1 & col3 == "Ax", col2+col4, col2),
       col4 = ifelse(col3 == "Ax", "", col4))%>%
mutate_all(funs(replace(., is.na(.)|. == "Ax", NA)))%>%
select(-spaces)%>%
unite(col = "D",colnames(.), sep = " ")%>%
mutate(D = gsub(" NA |NA", "", D))%>%
duplicated()%>%
which()

[1] 3 4 8 9

我知道这个过程看起来很麻烦，所以我会看看我是否可以在以后浓缩它。