搜索跨多个数据帧包含的特定文本，并在新列中返回这些值（出现多次）

Question

寻求帮助，从一个数据帧中搜索多个特定单词，在另一个数据帧的列(正文)中搜索，然后将这些值提取到新的列中。

进一步解释：

< li >首先，我有一个数据框架，其中包含14个国家的大量文本摘要。 < li >其次，我有第二个数据框架，其中包含所有行政级别(lvl_2)名称，如省、村等。 < li >我想从大型摘要中提取所有提及adm2省/村名称的内容，并为每个单词创建一个新列，旋转更长时间。

这里有一些示例数据，您可以使用它们来重新创建我的问题，其中包含两个数据框：（1）test_admin用于我要搜索的管理级别列表，以及（2）test_dataset$摘要，这是我要运行搜索的列。（您可以忽略Other_Variables的值，这些值在真实数据集中填充了大量值）

test_admin <- data.frame(adm1_name = c("Sindh"),
                   adm2_name = c("Central Karachi", "Dadu", "East Karachi", "Ghotki", "Sujawal", "Sukkur"))
                   
test_dataset <- data.frame(Summary = c("In Cox's Bazar, this and that happened.",
                                       "In Yangon, something else happened",
                                       "In Central Karachi, this happened",
                                       "In Sindh, this happened",
                                       "In Dadu AND East Karachi, this happened"),
                           Other_Variable_1 = 1:5,
                           Other_Variable_2 = 1:5)

更复杂的是，我还希望能够从test_admin数据框的两列中搜索值。例如，如果您的值“Sindh”来自adm1_level列，那么也返回adm2_level下的所有结果将非常酷。

但如果你能在更基本的层次上解决它（只搜索一列），我也会非常满意。

我要寻找的输出将类似于下面的dataframe，它也将为出现多个值的地方返回多行。

                                   Summary Other_Variable_1 Other_Variable_2       Locations
1  In Cox's Bazar, this and that happened.                1                1            <NA>
2       In Yangon, something else happened                2                2            <NA>
3        In Central Karachi, this happened                3                3 Central Karachi
4                  In Sindh, this happened                4                4 Central Karachi
5                  In Sindh, this happened                4                4            Dadu
6                  In Sindh, this happened                4                4    East Karachi
7                  In Sindh, this happened                4                4          Ghotki
8                  In Sindh, this happened                4                4         Sujawal
9                  In Sindh, this happened                4                4          Sukkur
10 In Dadu AND East Karachi, this happened                5                5            Dadu
11 In Dadu AND East Karachi, this happened                5                5    East Karachi

我尝试了一些mutate和grepl函数，但没有成功。我发现的其他示例似乎只适用于精确值或单个搜索。谢谢你的帮助！

#tidyverse首选解决方案

Answer 1

这里有一种方法：

library(tidyverse)

map_df(seq(nrow(test_dataset)), function(i) {
  inds <- str_detect(test_dataset$Summary[i], test_admin$adm1_name) | 
             str_detect(test_dataset$Summary[i], test_admin$adm2_name)
  if(any(inds)) tibble(test_dataset[i, ], Locations = test_admin$adm2_name[inds])
    else tibble(test_dataset[i, ], Locations = NA)
})

#  Summary                                 Other_Variable_1 Other_Variable_2 Locations      
#   <chr>                                              <int>            <int> <chr>          
# 1 In Cox's Bazar, this and that happened.                1                1 NA             
# 2 In Yangon, something else happened                     2                2 NA             
# 3 In Central Karachi, this happened                      3                3 Central Karachi
# 4 In Sindh, this happened                                4                4 Central Karachi
# 5 In Sindh, this happened                                4                4 Dadu           
# 6 In Sindh, this happened                                4                4 East Karachi   
# 7 In Sindh, this happened                                4                4 Ghotki         
# 8 In Sindh, this happened                                4                4 Sujawal        
# 9 In Sindh, this happened                                4                4 Sukkur         
#10 In Dadu AND East Karachi, this happened                5                5 Dadu           
#11 In Dadu AND East Karachi, this happened                5                5 East Karachi   

对于摘要中的每个值，我们检查它是否与adm1_name匹配或adm2_name匹配。如果任何行匹配，我们将在输出中包含相应的位置值，否则返回 NA。