如何从R语言数据框的phone列提取指定元音填入vowel列？

错误原因分析 #

你原来的循环有两个核心问题：

1. 未分割音素：df$phone中的每个元素是完整的字符串（比如"DH, EH, AH"），不是单个音素，所以i %in% x永远为FALSE，根本没法匹配到元音。
2. 全局赋值错误：就算匹配到内容，df$vowel <- i会把整个vowel列覆盖成当前的i，而不是对应行的结果，最终只会保留最后一次循环的赋值。

正确解决方案 #

下面提供两种可行方法，你可以根据习惯选择：

方法1：使用tidyverse工具（dplyr + stringr）

先加载包，再处理数据：

# 定义元音列表和原始数据框
x <- c("IH","EH","AE","AH","OH","UH","IY","EY","AY","OY","AW","OW","ER","AA","AO")
df <- data.frame(
  word = c("THERE", "MUSHROOM", "YOU", "IT'S"),
  phone = c("DH, EH, AH", "M, AH, SH, R, UW, M", "Y, UW", "IH, T, S"),
  vowel = NA,
  stringsAsFactors = FALSE
)

# 加载tidyverse包
library(dplyr)
library(stringr)

# 处理vowel列
df <- df %>%
  mutate(
    # 将phone字符串分割为单个音素的列表
    phone_list = str_split(phone, ",\\s+"),
    # 筛选出属于x的元音，再合并为字符串
    vowel = map_chr(phone_list, ~paste(.x[.x %in% x], collapse = ", "))
  ) %>%
  # 可选：删除中间生成的phone_list列
  select(-phone_list)

方法2：使用Base R（无需额外包）

如果不想加载第三方包，用原生R代码也能实现：

# 定义元音列表和原始数据框
x <- c("IH","EH","AE","AH","OH","UH","IY","EY","AY","OY","AW","OW","ER","AA","AO")
df <- data.frame(
  word = c("THERE", "MUSHROOM", "YOU", "IT'S"),
  phone = c("DH, EH, AH", "M, AH, SH, R, UW, M", "Y, UW", "IH, T, S"),
  vowel = NA,
  stringsAsFactors = FALSE
)

# 逐行处理phone列
df$vowel <- sapply(strsplit(df$phone, ",\\s+"), function(phones) {
  # 筛选出元音
  vowels <- phones[phones %in% x]
  # 合并为字符串，无元音则返回空字符串
  paste(vowels, collapse = ", ")
})

最终结果 #

执行上述代码后，你会得到期望的输出：

df
#     word                  phone    vowel
# 1  THERE            DH, EH, AH EH, AH
# 2 MUSHROOM M, AH, SH, R, UW, M      AH
# 3     YOU                Y, UW        
# 4    IT'S            IH, T, S      IH

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