主页 / coding / 问题 / 78126848
Accepted
arnyeinstein
Asked: 2024-03-08 17:56:25 +0800 CST

将数字与字符串与范围和单个数字进行比较

  • 772

我有以下内容

library(tidyverse)
test <- tibble(A = c("1994:2020, 2021"), B = 1995)

我想检查 B 中的年份是否在 A 列中给出的年份中。A 列中的年份是一个字符串（数据是从 Excel 文件中读取的）。以下显然不起作用（它给出“否”，但我想要“是”）：

test %>%
  mutate(InA = ifelse(B %in% A, "Yes", "No"))

> test
# A tibble: 1 x 2
  A                   B
  <chr>           <dbl>
1 1994:2020, 2021  1995

我假设我必须分隔 A 中的字符串。但是，A 可以包含多个范围和/或超过一年（例如（“1994:2012, 2014, 2016:2020, 2021”）并使用“separate”对于不同的结构会变得复杂，也许有更简单的方法。

5 个回答

  1. 让我们再创建几个示例：

    test <- data.frame(
    A = c("1994:2020, 2021", "1996", "1994:2012, 2014, 2016:2020, 2021", "1994:2012, 2014, 2016:2020, 2021"),
    B = c(1995, 2022, 2015, 2019),
    expected = c(TRUE, FALSE, FALSE, TRUE)
)
#                                  A    B expected
# 1                  1994:2020, 2021 1995     TRUE
# 2                             1996 2022    FALSE
# 3 1994:2012, 2014, 2016:2020, 2021 2015    FALSE
# 4 1994:2012, 2014, 2016:2020, 2021 2019     TRUE

    如果您相信您的输入，您可以对其进行评估。

    基础R溶液

    我就是这样做的。

    within(test, C  <- Map(
    \(x,y) y %in% eval(str2lang(x)), 
    sprintf("c(%s)", A),
    B,
    USE.NAMES = FALSE
))
#                                  A    B expected     C
# 1                  1994:2020, 2021 1995     TRUE  TRUE
# 2                             1996 2022    FALSE FALSE
# 3 1994:2012, 2014, 2016:2020, 2021 2015    FALSE FALSE
# 4 1994:2012, 2014, 2016:2020, 2021 2019     TRUE  TRUE

    tidyverse解决方案

    当您加载library(tidverse)问题时，您还可以执行以下操作：

    test |> 
    dplyr::mutate(
        C = purrr::map2_lgl(
        A,
        B, 
        \(x,y) y %in% rlang::eval_tidy(
            rlang::parse_expr(
                glue::glue("c({x})")
            )
        )
    )
)

    A请注意，如果包含非连续范围（例如 ），这两种方法也将起作用1994:2012, 2014，但并非所有答案都会起作用。

    强制性免责声明

    无论采用哪种方法，都值得阅读评估以字符串形式给出的表达式和eval(parse(...)) 的具体危险是什么？。如果您不控制输入数据，请勿使用此方法。想象一个包含这样的字符串的输入数据帧。

    test <- data.frame(A = "warning('You have been hacked!')", B = 1995)

    这两种方法都会执行代码并打印警告。因此，如果有可能，请使用不同的方法。

    • 9

  2. 主意

    如果你只需要知道一个点是否属于某个区间，那么你只需要知道该点与该区间的两条边之间的关系。

    从数学上讲，给定一个点p和一个区间[lb, ub]，当且仅当p位于区间内（包括边缘），因此您可以尝试仅检查其符号。 (p-lb)*(p-ub) <= 0prod(p - c(lb,ub))

    代码

    您可以尝试下面的代码（另外，感谢@Roland提供的数据）

    transform(
    test,
    inrange = mapply(
        \(x, y) prod(y - range(as.numeric(x))),
        strsplit(A, "\\D+"), B
    ) <= 0
)

    这使

                    A    B inrange
1 1994:2020, 2021 1995    TRUE
2 1994:2020, 2021 2021    TRUE
3 1994:2020, 2021 2022   FALSE
    • 9

  3. 对于大数据来说，这不会很快，但它可以工作：

    test <- data.frame(A = c("1994:2020, 2021", "1994:2020, 2021", "1994:2020, 2021"), 
                   B = c(1995, 2021, 2022))

test$ranges <- strsplit(test$A, ", ", fixed = TRUE)

foo <- function(x, y) {
  y <- strsplit(y, ":", fixed = TRUE)
  any(
    sapply(y, \(z, x) {
      z <- as.integer(z) 
      if (length(z) == 1L) return(z == x)
      x >= z[1] && x <= z[2] 
  }, x = x)
  )
}

mapply(foo, x = test$B, y = test$ranges)
#[1]  TRUE  TRUE FALSE

    我们首先将字符拆分为各个范围，然后拆分这些范围以获得它们的限制。与限制进行比较很容易，就像与单个年份（而不是范围）进行比较一样。

    • 8

  4. 这是另一种选择如何做到这一点：

    library(tidyverse)

# Sample data
test <- tibble(A = c("1994:2020, 2021", "2000:2005, 2008:2010, 2015", "1980, 1985:1990", "1999:2002"), 
               B = c(1995, 2004, 1986, 3000))

test |> 
  mutate(
    InA = map2_lgl(B, str_split(A, ", "), ~ {
      years <- unlist(str_split(.y, ":|-"))
      any(.x >= as.integer(years[1]) & .x <= as.integer(years[length(years)]))
    })
  ) |> 
  mutate(InA = ifelse(InA, "Yes", "No"))

# A tibble: 4 × 3
  A                              B InA  
  <chr>                      <dbl> <chr>
1 1994:2020, 2021             1995 Yes  
2 2000:2005, 2008:2010, 2015  2004 Yes  
3 1980, 1985:1990             1986 Yes  
4 1999:2002                   3000 No
    • 3
  5. Best Answer

    Tidyverse 相当于 @SamR 的策略

    library(tidyverse)

test <- tibble(A = c("1994:2020, 2021"), B = 1995)

test %>%
  mutate(InA = map2_lgl(A, B, ~ .y %in% eval(str2lang(
    paste0("c(", .x, ")")
  ))))
#> # A tibble: 1 × 3
#>   A                   B InA  
#>   <chr>           <dbl> <lgl>
#> 1 1994:2020, 2021  1995 TRUE

    创建于 2024-03-08，使用reprex v2.0.2

    • 3

相关问题