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

Compare o número com a string com intervalos e números únicos

  • 772

Eu tenho o seguinte problema

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

Gostaria de verificar se o ano em B está nos anos indicados na coluna A. Os anos na coluna A são uma string (os dados são lidos de um arquivo Excel). O seguinte claramente não funciona (dá "Não", mas eu gostaria de ter "Sim"):

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

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

Presumo que devo separar a string em A. No entanto, A pode conter mais de um intervalo e/ou mais de um ano (por exemplo, ("1994:2012, 2014, 2016:2020, 2021") e usando "separar" para estruturas diferentes fica complicado.Talvez haja uma maneira mais direta.

5 respostas

  1. Vamos criar mais alguns exemplos:

    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

    Se você confiar em sua opinião, poderá avaliá-la.

    Solução Base R

    É assim que eu faria.

    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

    tidyversesolução

    Ao carregar library(tidverse)sua pergunta, você também pode fazer:

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

    Observe que ambas as abordagens também funcionarão se Acontiverem intervalos não contíguos, por exemplo 1994:2012, 2014, o que nem todas as respostas funcionarão.

    Isenção de responsabilidade obrigatória

    Com qualquer abordagem, vale a pena ler Avaliar a expressão dada como uma string e Quais são especificamente os perigos de eval(parse(...))? . Não use esta abordagem se você não controlar os dados de entrada. Imagine um quadro de dados de entrada contendo strings como esta.

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

    Ambas as abordagens executarão o código e imprimirão o aviso. Portanto, se esta for uma possibilidade, use uma abordagem diferente.

    • 9

  2. Ideia

    Se você só precisa saber se um ponto cai em um intervalo , você só precisa saber as relações entre o ponto e ambas as arestas desse intervalo.

    Matematicamente, dado um ponto pe um intervalo [lb, ub], pestá dentro do intervalo (incluindo as arestas) se e somente se (p-lb)*(p-ub) <= 0 , e assim você pode tentar prod(p - c(lb,ub))verificar apenas seu sinal.

    Código

    Você pode tentar o código abaixo (também obrigado pelos dados fornecidos por @Roland )

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

    que dá

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

  3. Isso não será rápido para grandes dados, mas funciona:

    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

    Primeiro dividimos os caracteres em intervalos individuais e depois dividimos esses intervalos para obter seus limites. Comparar com limites é fácil, assim como comparar com um único ano (em vez de um intervalo).

    • 8

  4. Esta é outra opção de como fazer:

    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

    Equivalente do Tidyverse à estratégia de @SamR

    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

    Criado em 08/03/2024 com reprex v2.0.2

    • 3

relate perguntas