检测两个字符串向量之间的差异。

Question

我有一个看起来像这样的数据框 data_frame。

df <- data_frame(name = c('john','bill','amy'),
           name.2 = c('johhn','ball','ammy')) 
df
# A tibble: 3 x 2
   name name.2
  <chr>  <chr>
1  john  johhn
2  bill   ball
3   amy   ammy

我想新增一列，显示两个姓名列(.2)的差异。就像这样：

df %>% 
mutate(diff = c('h','a','m')) 
# A tibble: 3 x 3
   name name.2  diff
  <chr>  <chr> <chr>
1  john  johhn     h
2  bill   ball     a
3   amy   ammy     m

如果可能的话，我更喜欢找到一种使用 tidyverse 和 stringr 元素的解决方案，但无论如何我都会接受。

- elliot

Answer 1

使用基本的R语言，我们可以实现以下操作：

diffc=diag(attr(adist(df$name,df$name.2, counts = TRUE), "trafos"))
transform(df,diff=regmatches(name.2,regexpr("[^M]",diffc)))
  name name.2 diff
1 john  johhn    h
2 bill   ball    a
3  amy   ammy    m

解析：

计算df[,1]和df[,2]之间的近似字符串距离。

  d=adist(df$name,df$name.2, counts = TRUE)

获取转换矩阵的对角线：

   e= diag(attr(d, "trafos"))

找出那些被删除、替换或插入的位置，即未维护的位置：

    f=regexpr("[^M]",e)

提取在指定位置的df[,2]的值：

     dat$diff==regmatches(name.2,f)

- onyambu

---

它完美地运行了。您介意解释一下正在发生什么吗？谢谢。 - elliot

我不介意。首先，它通过使用adist()计算字符向量之间的近似字符串距离。然后选择变换矩阵，即trafos。这是通过使用函数attr实现的，因为trafos是输出中的一个属性。然后取该对角线并将其与原始向量匹配。查看?adist。那可能会有所帮助。 - Onyambu

Answer 2

您可以使用vecsets库：

library(vecsets)
df$diff <- mapply(vsetdiff, strsplit(df$name.2, split = ""),
                            strsplit(df$name, split = ""))

df
#  name name.2 diff
#1 john  johhn    h
#2 bill   ball    a
#3  amy   ammy    m

注意，看起来你只想要name.2中不在name中的值，这就是为什么mapply的第一个参数是name.2的strsplit的原因。

- Mike H.