r 中具有多种模式的 %like%

Question

是否可以在嵌套的 ifelse 中使用带有 %like% 的多个模式？如果没有，还有什么替代方案？

fruits<-c("apple", "pineapple", "grape", "avocado","banana")

color <-c("red","yellow","purple", "green","yellow")

mydata = data.frame(fruits=fruits,color=color ) 


mydata %>%
  mutate(group = ifelse(fruits %like% c("%pple%","%vocado%"), "group 1",
                           ifelse(fruits %like% c("%anana%","%grape%"), "group 2", "group 3")))

当我尝试上面的代码时，出现以下错误：

Warning messages:
1: In grep(pattern, levels(vector)) :
  argument 'pattern' has length > 1 and only the first element will be used
2: In grep(pattern, levels(vector)) :
  argument 'pattern' has length > 1 and only the first element will be used

任何指导表示赞赏。谢谢你！

Answer 1

data.table的like()函数及其%like%、%ilike%和%flike%运算符版本仅接受单个模式参数，但您可以在正则表达式中使用交替。交替用竖线表示：

library(data.table)
library(dplyr)
mydata %>%
  mutate(group = ifelse(fruits %ilike% "apple|avocado", "group 1",
                        ifelse(fruits %ilike% "banana|grape", "group 2", "group 3")))

     fruits  color   group
1     apple    red group 1
2 pineapple yellow group 1
3     grape purple group 2
4   avocado  green group 1
5    banana yellow group 2

因此，group 1匹配任何出现apple或avocado出现在字符串中任意位置的字符串。因此，%不需要指示任意数量的任意字符。

请注意，%ilike%已使用 代替%like%。%ilike%是一个新的便利函数，用于不区分大小写的模式匹配，可在 data.table v1.12.4 中使用（自 2019 年 10 月 3 日起在 CRAN 上）。

%ilike%还将匹配单词Apple（大写A）。

当然，按照r2evanscase_when()的建议，这是嵌套的一个很好的替代方案：ifelse()

mydata %>%
  mutate(group = case_when(fruits %ilike% "apple|avocado" ~ "group 1",
                           fruits %ilike% "banana|grape" ~ "group 2", 
                           TRUE ~ "group 3"))

Answer 2

您可以sapply对模式进行行求和来找到您需要的内容。

笔记：

• 我正在将您的 SQL 式模式转换为正则表达式。
• 当使用 时dplyr，最好使用它的if_else，因为这个版本可以更好地防止不同的类输出（以及 base 的一些其他问题ifelse）。
• 由于%like%只是该like函数的中缀运算符（data.table至少在 中），因此为了清楚起见，我在这里使用后者（修复前版本）。

sapply(c(".*apple.*", ".*vocado.*"), like, vector = fruits)
#      .*apple.* .*vocado.*
# [1,]      TRUE      FALSE
# [2,]      TRUE      FALSE
# [3,]     FALSE      FALSE
# [4,]     FALSE       TRUE
# [5,]     FALSE      FALSE
rowSums(sapply(c(".*apple.*", ".*vocado.*"), like, vector = fruits)) > 0
# [1]  TRUE  TRUE FALSE  TRUE FALSE

这就是我们需要的，一个 的向量logical。我将为此创建一个辅助函数。

mylike <- function(x, ptns) rowSums(sapply(ptns, like, vector = x)) > 0
mylike(fruits, c(".*apple.*", ".*vocado.*"))
# [1]  TRUE  TRUE FALSE  TRUE FALSE
mydata %>%
  mutate(
    group = if_else(mylike(fruits, c(".*apple.*", ".*vocado.*")), "group 1",
                    if_else(mylike(fruits, c(".*anana.*",".*grape.*")), "group 2", "group 3"))
  )
#      fruits  color   group
# 1     apple    red group 1
# 2 pineapple yellow group 1
# 3     grape purple group 2
# 4   avocado  green group 1
# 5    banana yellow group 2

但是，当我看到嵌套ifelse/时if_else，我建议使用case_when，因为它更具可读性，尤其是当条件数量增加时。

mydata %>%
  mutate(
    group = case_when(
      mylike(fruits, c(".*apple.*", ".*vocado.*")) ~ "group 1",
      mylike(fruits, c(".*anana.*",".*grape.*"))   ~ "group 2",
      TRUE                                         ~ "group 3"
    )
  )
#      fruits  color   group
# 1     apple    red group 1
# 2 pineapple yellow group 1
# 3     grape purple group 2
# 4   avocado  green group 1
# 5    banana yellow group 2

如果您已经拥有一组 SQL 模式并且不想将它们全部转换为正则表达式，那么这里有一个基于https://codereview.stackexchange.com/a/36864/42300的快速帮助函数：

# https://codereview.stackexchange.com/a/36864/42300
sql2regex <- function(ptn) {
  paste0(
    "^",
    gsub("_", ".",
         gsub("(?<!\\[)%(?!\\])", ".*", ptn, perl = TRUE)),
    "$")
}

它试图聪明地不进行转换[%]，这是“转义”百分比并获取其文字的一种方法（参考：http: //www.sqlserver.info/syntax/sql-server-like-with-percent-literal /）。然而，尽管[%看起来不完整，但这并没有正确翻译为^[.*$，而是保留为^[%$，这将会失败。再次强调，这只是一个快速破解帮助函数。

mydata %>%
  mutate(
    group = case_when(
      mylike(fruits, sql2regex(c("%pple%","%vocado%"))) ~ "group 1",
      mylike(fruits, sql2regex(c("%anana%","%grape%"))) ~ "group 2",
      TRUE ~ "group 3"
    )
  )
#      fruits  color   group
# 1     apple    red group 1
# 2 pineapple yellow group 1
# 3     grape purple group 2
# 4   avocado  green group 1
# 5    banana yellow group 2