模糊比较和聚合单个列数据帧中的相似记录
模糊比较和聚合单个列数据帧中的相似记录
提问于 2018-12-13 04:59:42
当前的需求是聚合单个列，并提供每行的计数。我遇到了一些需要帮助的问题：
- 由于参数或其他信息(如错误代码)，许多行相似但不完全相同。
- 正在处理的数据不可预测，因此聚合需要具有一定程度的灵活性才能匹配。
- 无法知道差异发生的位置或字符串的模式。
- 无法预先知道使某些行不同的消息或值。
因此，我希望做到以下几点：
TextData
Message : @p_id is not valid
Message : @p_id is not valid
Message : @p_id is not valid
Message : @p_id is not valid
Message : ID record does not exist: @p_Id=11933
Message : ID record does not exist: @p_Id=21944
Message : ID record does not exist: @p_Id=31933
Message : ID record does not exist: @p_Id=41931
Message : ID record does not exist: @p_Id=51993
The duplicate key value is (129).
The duplicate key value is (129).
The duplicate key value is (135).匹配并计算成类似如下的内容：
Count TextData Values
4 Message : @p_id is not valid
5 Message : ID record does not exist: @p_Id= 11933,21944,31933,41931,51993
3 The duplicate key value is (). 129,135如果这是不可能的，那么至少
Count TextData
4 Message : @p_id is not valid
5 Message : ID record does not exist: @p_Id=
3 The duplicate key value is ().我已经寻找了几个小时，试图找到这样的解决方案，但没有找到一个适用于我的情况的示例。
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-12-13 05:22:14
data.table解决方案
library( data.table )
library( stringr )
#read data
dt <- fread(
"Message : @p_id is not valid
Message : @p_id is not valid
Message : @p_id is not valid
Message : @p_id is not valid
Message : ID record does not exist: @p_Id=11933
Message : ID record does not exist: @p_Id=21944
Message : ID record does not exist: @p_Id=31933
Message : ID record does not exist: @p_Id=41931
Message : ID record does not exist: @p_Id=51993
The duplicate key value is (129).
The duplicate key value is (129).
The duplicate key value is (135).", header = FALSE, sep = "")
#see if a string with numbers is present in the text, if so: extract
dt[, `:=`( id = stringr::str_extract( V1, "\\d+" ),
V1 = ifelse( grepl ( "\\d+", V1 ), gsub( "\\d+", "", V1 ), V1 ) ) ]
#summarise
dt[, list( Count = .N, values = toString( unique( id ) ) ), by = V1][]
# V1 Count values
# 1: Message : @p_id is not valid 4 NA
# 2: Message : ID record does not exist: @p_Id= 5 11933, 21944, 31933, 41931, 51993
# 3: The duplicate key value is (). 3 129, 135页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53751259
复制相关文章
相似问题