R-从字符串中提取与其他字符串不匹配的元素

Question

我想从一个字符串中提取不在另一字符串中的元素。

什么是最快的（向量化？）方法？

模拟数据：

library(data.table)
dt <- data.table(id = c("A", "B", "C", "D"),
             product= c("1", "1,2", "1,2,3", "4"),
             stock= c("2, 3", "1,2", "1,2", "4"))

> dt
   id product stock
1:  A       1  2, 3
2:  B     1,2   1,2
3:  C   1,2,3   1,2
4:  D       4     4

我正在寻找的是一个名为的新变量new，该变量包含productnot中的元素stock。

> dt
   id product stock  new
1:  A       1  2, 3    1
2:  B     1,2   1,2 <NA>
3:  C   1,2,3   1,2    3
4:  D       4     4 <NA>

注意：似乎与完全相反stringr::str_extract_all，但是此函数没有negate功能。

Answer 1

这是通过用分割感兴趣的列的一种选择strssplit，用于setdiff查找不在第二列中的元素。如果没有值，即lengthiss 0，则返回NA

f1 <- function(x, y) {
    x1 <- setdiff(x, y)
   if(!length(x1)) NA_character_ else x1
 }

dt[, new := do.call(Map, c(f = f1,
    unname(lapply(.SD, strsplit, ",")))), .SDcols = 2:3]
dt
#   id product stock  new
#1:  A       1  2, 3    1
#2:  B     1,2   1,2 <NA>
#3:  C   1,2,3   1,2    3
#4:  D       4     4 <NA>

或者，如果我们需要使用str_extract_all，tidyverse选项将是

library(tidyverse)
dt %>% 
   mutate_at(2:3, list(newvar = ~ str_extract_all(., '\\d+'))) %>%  
   transmute(id, product, stock, new = map2(product_newvar, stock_newvar, f1))