使用tidyverse判断列是否含指定列表词汇：修正无效代码求助

问题背景 #

我有一个名为df的表格：

title             date            brand
big farm house    2022-01-01      A
ranch modern      2022-01-01      A
town house        2022-01-01      C

另有一个名为match_list的表格，存储需要匹配的关键词：

words_for_match
farm
town
clown
beach
city
pink

想要用mutate新增一列，当title包含match_list里的任意词汇时标记为"Yes"，否则为"No"。但尝试的代码全部返回"No"，代码如下：

match_list <- match_list$words_for_match

match_list <- paste(company_names_list, collapse = "|")

df %>% 
   mutate(Flag = ifelse(str_detect(title, fixed(as.character(match_list))), "Yes", "No"))

修正后的代码 #

你的代码有两处关键错误，修正后即可正常运行：

1. 拼接正则时误用了不存在的company_names_list变量，应该用提取后的match_list向量
2. 使用fixed()会把拼接的"|"当成普通字符匹配，而非正则的"或"逻辑，需移除fixed()

完整修正代码：

library(dplyr)
library(stringr)

# 提取关键词并拼接成正则匹配式
match_pattern <- paste(match_list$words_for_match, collapse = "|")

# 新增标记列
df <- df %>% 
  mutate(Flag = ifelse(str_detect(title, match_pattern), "Yes", "No"))

运行后得到的df结果：

title             date            brand Flag
big farm house    2022-01-01      A     Yes
ranch modern      2022-01-01      A     No
town house        2022-01-01      C     Yes

额外优化 #

如果需要精确匹配完整单词（比如不想把farmer里的farm识别为匹配），可以把正则改成带单词边界的形式：

match_pattern <- paste0("\\b", match_list$words_for_match, "\\b", collapse = "|")

内容的提问来源于stack exchange，提问作者matt_lnrd