R语言中按列搜索多关键词并生成对应布尔列的方法

原始数据 #

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

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"))

需求说明 #

需要在datatxt的x列中搜索stringstosearch中的每个关键词，为每个关键词生成独立的布尔值列（包含关键词则为TRUE，否则为FALSE）。

解决方案 #

方法1：使用dplyr + stringr（tidyverse风格）

借助dplyr的across函数，可直接在原数据框中批量生成匹配列：

library(dplyr)
library(stringr)

datatxt_result <- datatxt %>%
  mutate(across(all_of(stringstosearch), ~str_detect(x, fixed(.x))))

• all_of(stringstosearch)指定新列名直接使用关键词本身
• fixed(.x)确保精确匹配关键词，避免正则表达式的意外匹配（比如"to"不会匹配"tomorrow"中的子串）
• str_detect(x, fixed(.x))检测每行x列是否包含当前关键词

方法2：使用purrr + stringr

若需单独生成匹配列再合并，可用purrr的map_dfc批量处理：

library(purrr)
library(stringr)
library(tibble)

# 生成所有匹配列
match_cols <- map_dfc(stringstosearch, ~tibble(!!.x := str_detect(datatxt$x, fixed(.x))))
# 合并到原数据框
datatxt_result <- bind_cols(datatxt, match_cols)

方法3：基础R实现（无需额外包）

不想加载tidyverse包的话，用基础R的sapply也能完成：

# 生成匹配矩阵，每行对应原数据的一行，每列对应一个关键词
match_matrix <- sapply(stringstosearch, function(key) grepl(fixed(key), datatxt$x))
# 合并到原数据框
datatxt_result <- cbind(datatxt, as.data.frame(match_matrix))

结果说明 #

生成的datatxt_result包含原数据的id、x列，以及to、and、at等关键词对应的布尔列。例如第一行的to和is列会返回TRUE，其余关键词列返回FALSE。

内容的提问来源于stack exchange，提问作者JontroPothon