Pesquise várias palavras-chave em uma coluna e crie colunas para cada uma

Aqui está uma linha base R. Use sprintf()para adicionar as \\b âncoras de limite de palavra a cada padrão. Isso significa que, por exemplo, "and"não corresponderá "random"a . Então itere sobre esses padrões com lapply(), usando grepl()para corresponder cada padrão a datatxt$x. Isso retorna uma lista de vetores lógicos, que podemos atribuir de volta ao quadro de dados.

datatxt[stringstosearch] <- lapply(
    sprintf("\\b%s\\b", stringstosearch), \(x) grepl(x, datatxt$x)
)

Agora datatxté como desejado:

          id                                                                  x    to   and    at  from    is    of
1 -1.9091427 Contrary to popular belief, Lorem Ipsum is not simply random text.  TRUE FALSE FALSE FALSE  TRUE FALSE
2  0.5551667            A Latin professor at Hampden-Sydney College in Virginia FALSE FALSE  TRUE FALSE FALSE FALSE
3 -2.2163365                        It has roots in a piece of classical Latin  FALSE FALSE FALSE FALSE FALSE  TRUE
4  0.4941455              literature from 45 BC, making it over 2000 years old. FALSE FALSE FALSE  TRUE FALSE FALSE
5 -0.5805710                       The standard chunk of Lorem Ipsum used since FALSE FALSE FALSE FALSE FALSE  TRUE

tidyverseabordagem

Como você marcou tidyverse, aqui está um método alternativo. Isso retorna a mesma lista que a abordagem base do R usando tidyversefunções, exceto que é nomeada. Então podemos usar o operador splice para passar isso dplyr::mutate()como novas colunas:

datatxt |>
    dplyr::mutate(
        !!!purrr::map(
            purrr::set_names(
                stringr::str_glue("\\b{stringstosearch}\\b"),
                stringstosearch
            ),
            \(str) stringr::str_detect(x, str)
        )
    )
# ^^ same output

Acho que a abordagem básica R é muito mais limpa.

Sugiro Vectoriz[e]usar o patternargumento - de stringfish::sf_grepl():

Vsf_grepl = Vectorize(\(pattern) stringfish::sf_grepl(datatxt$x, pattern))
datatxt[stringstosearch] = Vsf_grepl(sprintf("\\b%s\\b", stringstosearch))

dá

> datatxt
  id                                                                  x    to   and    at  from    is    of
1  1 Contrary to popular belief, Lorem Ipsum is not simply random text.  TRUE FALSE FALSE FALSE  TRUE FALSE
2  2            A Latin professor at Hampden-Sydney College in Virginia FALSE FALSE  TRUE FALSE FALSE FALSE
3  3                        It has roots in a piece of classical Latin  FALSE FALSE FALSE FALSE FALSE  TRUE
4  4              literature from 45 BC, making it over 2000 years old. FALSE FALSE FALSE  TRUE FALSE FALSE
5  5                       The standard chunk of Lorem Ipsum used since FALSE FALSE FALSE FALSE FALSE  TRUE

Observe que alterei ida geração para id = 1:5.

tidyverseEu tenho uma solução (diferente) :

library(tidyverse)

stringstosearch <- c("to", "and", "at", "from", "is", "of")
strings <- c(
  "Contrary to popular belief, Lorem Ipsum is not simply random text.",
  "A Latin professor at Hampden-Sydney College in Virginia",
  "It has roots in a piece of classical Latin ",
  "literature from 45 BC, making it over 2000 years old.",
  "The standard chunk of Lorem Ipsum used since"
)

datatxt <- tibble(
  id = seq_along(strings),
  x = strings,
  !!!stringstosearch %>% set_names()
) %>%
  mutate(
    across(
      all_of(stringstosearch),
      ~ grepl(paste0("\\b",cur_column(),"\\b"), x, ignore.case = TRUE)
    )
  )

Este código primeiro cria o dataframe, usando o !!!operador from tidyversepara criar uma coluna para cada elemento no vetor stringstosearch . Sem a set_names()função, os nomes das colunas seriam citados. Então, cruzamos mutate()todas as colunas determinadas pelos elementos de stringstosearch . Para cada coluna, determinamos with grepl()se o nome da coluna - recuperado dentro da chamada through cur_column()- existe na coluna x , com "\\b" adicionado ao regex para determinar limites de palavras e evitar falsos positivos (como SamR apontou).

Agora datatxtproduz:

# A tibble: 5 × 8
     id x                                                                    to    and   at    from  is    of   
  <int> <chr>                                                                <lgl> <lgl> <lgl> <lgl> <lgl> <lgl>
1     1 "Contrary to popular belief, Lorem Ipsum is not simply random text." TRUE  FALSE FALSE FALSE TRUE  FALSE
2     2 "A Latin professor at Hampden-Sydney College in Virginia"            FALSE FALSE TRUE  FALSE FALSE FALSE
3     3 "It has roots in a piece of classical Latin "                        FALSE FALSE FALSE FALSE FALSE TRUE 
4     4 "literature from 45 BC, making it over 2000 years old."              FALSE FALSE FALSE TRUE  FALSE FALSE
5     5 "The standard chunk of Lorem Ipsum used since"                       FALSE FALSE FALSE FALSE FALSE TRUE 

library(tidyverse)

stringstosearch <- c("to", "and", "at", "from", "is", "of") %>% 
  set_names()

set.seed(199)

datatxt <- data.frame(id = c(rnorm(5)), 
                      x = c("Contrary to popular belief, Lorem Ipsum is not simply random text.",
                            "A Latin professor at Hampden-Sydney College in Virginia",
                            "It has roots in a piece of classical Latin ", 
                            "literature from 45 BC, making it over 2000 years old.", 
                            "The standard chunk of Lorem Ipsum used since"))

bind_cols(datatxt, imap(
  .x = stringstosearch,
  .f = ~ transmute(datatxt,!!.y := str_detect(x, glue::glue("\\b{.x}\\b")))
))
#>           id                                                                  x
#> 1 -1.9091427 Contrary to popular belief, Lorem Ipsum is not simply random text.
#> 2  0.5551667            A Latin professor at Hampden-Sydney College in Virginia
#> 3 -2.2163365                        It has roots in a piece of classical Latin 
#> 4  0.4941455              literature from 45 BC, making it over 2000 years old.
#> 5 -0.5805710                       The standard chunk of Lorem Ipsum used since
#>      to   and    at  from    is    of
#> 1  TRUE  TRUE FALSE FALSE  TRUE FALSE
#> 2 FALSE FALSE  TRUE FALSE FALSE  TRUE
#> 3 FALSE FALSE  TRUE FALSE FALSE  TRUE
#> 4 FALSE FALSE  TRUE  TRUE FALSE FALSE
#> 5 FALSE  TRUE FALSE FALSE FALSE  TRUE

^{Criado em 2024-11-13 com reprex v2.0.2}