如何在R中基于数据框的topic自动生成命名正则变量？

问题说明 #

给定如下包含topic和keyword列的数据框：

需要基于每个topic自动生成对应的正则表达式变量（变量名格式为[topic]_regex），无需手动逐个调用函数生成。当前已有手动生成的函数：

fn_get_topic_regex <- function(targettopic,df)
{
  filter_df <- df |>
    filter(topic == targettopic)
  regex <- paste(filter_df$keyword, collapse =  "|")
}

期望自动生成的变量及对应值：

cheese_regex: "cheddar|swiss|gouda"
bread_regex: "focaccia|sourdough"
meat_regex: "beef|chicken"

最佳实现方法 #

1. 用命名列表存储（推荐） #

在R中，不建议随意生成全局变量，用命名列表统一管理所有正则表达式更规范，也便于后续调用和维护：

library(dplyr)

# 按topic分组拼接正则表达式，转换为命名列表
regex_list <- df |>
  group_by(topic) |>
  summarise(regex = paste(keyword, collapse = "|"), .groups = "drop") |>
  tibble::deframe()

调用示例：

# 获取cheese对应的正则表达式
regex_list[["cheese"]]
# 输出："cheddar|swiss|gouda"

# 获取bread对应的正则表达式
regex_list[["bread"]]
# 输出："focaccia|sourdough"

2. 动态生成全局变量（按需使用） #

如果业务场景必须生成独立的全局变量，可以通过assign()函数配合循环实现：

library(dplyr)

# 获取所有唯一的topic值
unique_topics <- unique(df$topic)

# 循环生成对应变量
for (topic in unique_topics) {
  # 构造变量名：topic + "_regex"
  var_name <- paste0(topic, "_regex")
  # 拼接当前topic的正则表达式
  regex_str <- df |>
    filter(topic == !!topic) |>
    pull(keyword) |>
    paste(collapse = "|")
  # 将变量存入全局环境
  assign(var_name, regex_str, envir = .GlobalEnv)
}

执行后，全局环境中会自动生成cheese_regex、bread_regex、meat_regex三个变量，直接调用即可得到对应正则表达式。

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