如果字符串包含单词列表中的任何一个，R 每行返回 true 或 false

我有一个包含一列字符串的数据集：

text <- c('flight cancelled','dog cat','coach travel','car bus','cow sheep',' high bar')
transport <- 0

 df <- data.frame(text,transport)

对于每一行，如果字符串“text”包含多个单词中的任何一个，我想返回 1，否则返回 0。我的问题是我能想到的唯一方法是使用 for 循环。有没有更有效的方法来做到这一点？我的数据集非常大，因此 for 循环需要永远运行

words<- 'flight|flights|plane|seats|seat|travel|time|coach'

for (i in 1:6){
   df$transport[i] <- ifelse(any(grepl(words,(str_split(as.character(df$text[i]), " ")))) == TRUE,1,0)
 }

returns:

              text transport
1 flight cancelled         1
2          dog cat         0
3     coach travel         1
4          car bus         0
5        cow sheep         0
6         high bar         0

您可以使用words and df$text直接进入grep找到要设置为 1 的行。

df$transport[grep(words, df$text)] <- 1

另一种方法是使用grepl并使用+ to get 0 and 1:

+grepl(words, df$text)
#[1] 1 0 1 0 0 0

如果只需要匹配整个单词，则需要将它们包围起来\b来匹配边界。

+grepl(paste0("\\b(", words, ")\\b"), df$text)
#[1] 1 0 1 0 0 0

基准：

bench::mark(
         grepl = +grepl(words, df$text)
       , "grepl\\b" = +grepl(paste0("\\b(", words, ")\\b"), df$text)
       , greplPerl = +grepl(words, df$text, perl = TRUE)
       , stringr = +stringr::str_detect(df$text, words)
       , stringi = +stringi::stri_detect_regex(df$text, words)
       , like = +data.table::like(df$text, words)
       )
#  expression     min  median `itr/sec` mem_alloc `gc/sec` n_itr  n_gc total_time
#  <bch:expr> <bch:t> <bch:t>     <dbl> <bch:byt>    <dbl> <int> <dbl>   <bch:tm>
#1 grepl      10.61µs 11.61µs    62577.        0B     6.26  9999     1    159.8ms
#2 grepl\b    15.29µs 16.31µs    59343.        0B    11.9   9998     2    168.5ms
#3 greplPerl    5.5µs   5.9µs   164148.        0B     0    10000     0     60.9ms
#4 stringr    10.01µs 10.78µs    88661.        0B    17.7   9998     2    112.8ms
#5 stringi     7.48µs  7.93µs   123578.        0B    12.4   9999     1     80.9ms
#6 like       11.83µs 12.66µs    77189.        0B     7.72  9999     1    129.5ms

在这种情况下使用grepl from base设置时perl = TRUE是最快的方法。