填写字母所在的单词
Fill in word that letter is located in
我正在处理击键数据，需要找到击键所在的单词。因为可能存在不可见的击键（如 Shift）或删除的击键，所以这不是一个简单的问题，我可以只迭代击键的索引并找到单词。相反，我需要找到击键产生的 space 分隔的单词。我确实有全文和现有文本可用，我应该能够利用它们。我尝试过使用 fill()、lag() 和 cumsum() 的解决方案，但 none 有效。
我有一个如下所示的数据框，我按 experiment_id:
分组
x <- tibble(
experiment_id = rep(c('1a','1b'),each=12),
keystroke = rep(c('a','SPACE','SHIFT','b','e','DELETE','a','d','SPACE','m','a','n'),2),
existing_text = rep(c('a','a ','a ','a B','a Be','a B','a Ba','a Bad','a Bad ',
'a Bad m','a Bad ma','a Bad man'),2),
final_text = 'a Bad man'
)
附加列应如下所示，其中 SPACE 属于它后面的单词，DELETE 和删除的击键是最后一个单词的一部分：
within_word = c('a','a','BeDELETEad','BeDELETEad','BeDELETEad','BeDELETEad','BeDELETEad','BeDELETEad','BeDELETEad','man','man','man')
有没有办法得出这个？
编辑以获得更多帮助： 在答案下方的评论中，@Onyambu 提到使用 keystroke 列有一个更简单的解决方案。我发现在我更大、更复杂的数据中 existing_text 并不总是可靠的。我强烈希望主要依赖 keystroke 的解决方案。由于删除，我还添加了并发症。
x %>%
mutate(ww = str_remove(existing_text, fixed(lag(existing_text, default = ".")))) %>%
group_by(grp = cumsum(ww== ' '|lag(ww == ' ', default = F))) %>%
mutate(within_word = str_c(ww, collapse = ''),
within_word = na_if(within_word, ' '))
# A tibble: 10 x 6
# Groups: grp [5]
keystroke existing_text final_text ww grp within_word
<chr> <chr> <chr> <chr> <int> <chr>
1 a "a" a Bad man "a" 0 a
2 SPACE "a " a Bad man " " 1 NA
3 SHIFT "a " a Bad man "" 2 Bad
4 b "a B" a Bad man "B" 2 Bad
5 a "a Ba" a Bad man "a" 2 Bad
6 d "a Bad" a Bad man "d" 2 Bad
7 SPACE "a Bad " a Bad man " " 3 NA
8 m "a Bad m" a Bad man "m" 4 man
9 a "a Bad ma" a Bad man "a" 4 man
10 n "a Bad man" a Bad man "n" 4 man
以下是两种方法：
第一个仅使用 existing_text 中的信息进行分组，并根据此分组和 keystroke.
构造 within_words 列
第二种方法仅使用 keystroke 中的信息。
第一种方法：基于 existing_text 的分组和基于 keystroke 的内容：
我们采取三个步骤：
首先，我们根据 strsplit 计算分组，我们在其中查找前面有单词 \w 的空格 \s。我们需要更正 "SHIFT" 的值，因为它们应该计入 "SPACE" 之后的单词。
第二步是将 "SHIFT"（以及示例数据不包含的所有其他类似函数）替换为 ""。
第三，我们用paste0(..., collapse = "")折叠字符串。
library(tidyverse)
x %>%
# step1: construct grouping:
mutate(word_grp = lengths(strsplit(existing_text, "(?<=\w)\s", perl = TRUE)) %>%
if_else(keystroke == "SHIFT", lead(., default = last(.)), .)) %>%
group_by(experiment_id, word_grp) %>%
# step 2 & 3: first replace keys like "SHIFT" with "", the collapse with `paste0`
mutate(within_word = str_replace_all(keystroke, c("SHIFT" = "", "SPACE" = "")) %>%
paste0(., collapse = ""))
#> # A tibble: 24 x 6
#> # Groups: experiment_id, word_grp [6]
#> experiment_id keystroke existing_text final_text word_grp within_word
#> <chr> <chr> <chr> <chr> <int> <chr>
#> 1 1a a "a" a Bad man 1 a
#> 2 1a SPACE "a " a Bad man 1 a
#> 3 1a SHIFT "a " a Bad man 2 beDELETEad
#> 4 1a b "a B" a Bad man 2 beDELETEad
#> 5 1a e "a Be" a Bad man 2 beDELETEad
#> 6 1a DELETE "a B" a Bad man 2 beDELETEad
#> 7 1a a "a Ba" a Bad man 2 beDELETEad
#> 8 1a d "a Bad" a Bad man 2 beDELETEad
#> 9 1a SPACE "a Bad " a Bad man 2 beDELETEad
#> 10 1a m "a Bad m" a Bad man 3 man
#> # … with 14 more rows
第二种方法：仅基于 keystrokes 中的信息。
这是一种仅使用 keystroke 中的信息的方法。但是，如果我们只想使用 keystroke 中的数据，事情就会变得更加费力。
以下是对以下步骤的简短说明：
步骤 1a：数据清理
我们需要清理 keystrokes 中的数据，以便它们可用于新列 within_word。这意味着两件事：(a) 我们需要用 "" 替换每个不应在 within_word 中打印的击键。在此之前，我们需要 (b) 根据该键的功能更改前导击键。在 SHIFT 的情况下，这意味着我们需要设置前导 keystroke toupper。对于您的示例数据，这非常简单，因为只有 SHIFT 我们需要处理。但是，在您的真实数据中可能有许多类似的其他键，例如 ALT 或 ^。所以我们需要为每个键重复步骤 1a。理想情况下，我们会想出一个函数，该函数采用键的名称和它在前导 keystroke 上使用的函数。请注意，我们尚未在此步骤中包含 "SPACE"，因为我们在步骤 2 中需要它。
要查看您需要在实际数据中处理多少个键，我们可以过滤那些 keystroke 不会更改 existing_text 的键。在您的示例数据中，这只是 SHIFT:
# get all keystrokes that don't change the existing_text directly
x %>%
select(keystroke, existing_text) %>%
filter(existing_text == lag(existing_text, default = ""))
#> # A tibble: 2 x 2
#> keystroke existing_text
#> <chr> <chr>
#> 1 SHIFT "a "
#> 2 SHIFT "a "
步骤 2：创建分组
我们需要在 within_text 中创建单词分组。这是最复杂的一步。下面我们首先查找 within_word == "SPACE" 以及后续行是 != "SPACE" 的行。我们在结果上使用 data.table::rleid 以获得此变量的 运行-length id。最后，我们需要为那些 within_word == "SPACE".
的行减去 1
第 3 步：最后一步前的数据准备
这基本上类似于步骤 1a，我们需要用 "" 替换 "SPACE" 因为我们不希望它出现在我们的结果中。但是，由于我们在步骤 2 中需要此列，因此我们必须在此步骤中完成数据清理。
第 4 步：折叠 within_word
中的字符串
最后，我们按 experiment_id 和 word_grp 分组，并用 paste0(..., collapse = "").
折叠 within_word 中的字符串
library(tidyverse)
# step 1a: data cleaning
mutate(within_word = if_else(lag(keystroke, default = first(keystroke)) == "SHIFT",
toupper(keystroke),
keystroke) %>%
str_replace_all(., c("SHIFT" = ""))) %>%
# step 1b to 1n: repeat step 1a for other keys like ALT, ^ etc.
# step 2: create groups
group_by(experiment_id) %>%
mutate(word_grp = data.table::rleid(
within_word == "SPACE" & lead(within_word, default = first(keystroke)) != "SPACE"
) %>% if_else(within_word == "SPACE", . - 1L, .)) %>%
# step 3: data prep before final step
ungroup %>%
mutate(within_word = str_replace(within_word, "SPACE", "")) %>%
# step 4: collapse
group_by(experiment_id, word_grp) %>%
mutate(within_word = paste0(within_word, collapse = ""))
#> # A tibble: 24 x 6
#> # Groups: experiment_id, word_grp [6]
#> experiment_id keystroke existing_text final_text within_word word_grp
#> <chr> <chr> <chr> <chr> <chr> <int>
#> 1 1a a "a" a Bad man a 1
#> 2 1a SPACE "a " a Bad man a 1
#> 3 1a SHIFT "a " a Bad man BeDELETEad 3
#> 4 1a b "a B" a Bad man BeDELETEad 3
#> 5 1a e "a Be" a Bad man BeDELETEad 3
#> 6 1a DELETE "a B" a Bad man BeDELETEad 3
#> 7 1a a "a Ba" a Bad man BeDELETEad 3
#> 8 1a d "a Bad" a Bad man BeDELETEad 3
#> 9 1a SPACE "a Bad " a Bad man BeDELETEad 3
#> 10 1a m "a Bad m" a Bad man man 5
#> # … with 14 more rows
由 reprex package (v0.3.0)
于 2021-12-23 创建
我正在处理击键数据，需要找到击键所在的单词。因为可能存在不可见的击键（如 Shift）或删除的击键，所以这不是一个简单的问题，我可以只迭代击键的索引并找到单词。相反，我需要找到击键产生的 space 分隔的单词。我确实有全文和现有文本可用，我应该能够利用它们。我尝试过使用 fill()、lag() 和 cumsum() 的解决方案，但 none 有效。
我有一个如下所示的数据框，我按 experiment_id:
x <- tibble(
experiment_id = rep(c('1a','1b'),each=12),
keystroke = rep(c('a','SPACE','SHIFT','b','e','DELETE','a','d','SPACE','m','a','n'),2),
existing_text = rep(c('a','a ','a ','a B','a Be','a B','a Ba','a Bad','a Bad ',
'a Bad m','a Bad ma','a Bad man'),2),
final_text = 'a Bad man'
)
附加列应如下所示，其中 SPACE 属于它后面的单词，DELETE 和删除的击键是最后一个单词的一部分：
within_word = c('a','a','BeDELETEad','BeDELETEad','BeDELETEad','BeDELETEad','BeDELETEad','BeDELETEad','BeDELETEad','man','man','man')
有没有办法得出这个？
编辑以获得更多帮助： 在答案下方的评论中，@Onyambu 提到使用 keystroke 列有一个更简单的解决方案。我发现在我更大、更复杂的数据中 existing_text 并不总是可靠的。我强烈希望主要依赖 keystroke 的解决方案。由于删除，我还添加了并发症。
x %>%
mutate(ww = str_remove(existing_text, fixed(lag(existing_text, default = ".")))) %>%
group_by(grp = cumsum(ww== ' '|lag(ww == ' ', default = F))) %>%
mutate(within_word = str_c(ww, collapse = ''),
within_word = na_if(within_word, ' '))
# A tibble: 10 x 6
# Groups: grp [5]
keystroke existing_text final_text ww grp within_word
<chr> <chr> <chr> <chr> <int> <chr>
1 a "a" a Bad man "a" 0 a
2 SPACE "a " a Bad man " " 1 NA
3 SHIFT "a " a Bad man "" 2 Bad
4 b "a B" a Bad man "B" 2 Bad
5 a "a Ba" a Bad man "a" 2 Bad
6 d "a Bad" a Bad man "d" 2 Bad
7 SPACE "a Bad " a Bad man " " 3 NA
8 m "a Bad m" a Bad man "m" 4 man
9 a "a Bad ma" a Bad man "a" 4 man
10 n "a Bad man" a Bad man "n" 4 man
以下是两种方法：
第一个仅使用 existing_text 中的信息进行分组，并根据此分组和 keystroke.
within_words 列
第二种方法仅使用 keystroke 中的信息。
第一种方法：基于 existing_text 的分组和基于 keystroke 的内容：
我们采取三个步骤：
首先，我们根据 strsplit 计算分组，我们在其中查找前面有单词 \w 的空格 \s。我们需要更正 "SHIFT" 的值，因为它们应该计入 "SPACE" 之后的单词。
第二步是将 "SHIFT"（以及示例数据不包含的所有其他类似函数）替换为 ""。
第三，我们用paste0(..., collapse = "")折叠字符串。
library(tidyverse)
x %>%
# step1: construct grouping:
mutate(word_grp = lengths(strsplit(existing_text, "(?<=\w)\s", perl = TRUE)) %>%
if_else(keystroke == "SHIFT", lead(., default = last(.)), .)) %>%
group_by(experiment_id, word_grp) %>%
# step 2 & 3: first replace keys like "SHIFT" with "", the collapse with `paste0`
mutate(within_word = str_replace_all(keystroke, c("SHIFT" = "", "SPACE" = "")) %>%
paste0(., collapse = ""))
#> # A tibble: 24 x 6
#> # Groups: experiment_id, word_grp [6]
#> experiment_id keystroke existing_text final_text word_grp within_word
#> <chr> <chr> <chr> <chr> <int> <chr>
#> 1 1a a "a" a Bad man 1 a
#> 2 1a SPACE "a " a Bad man 1 a
#> 3 1a SHIFT "a " a Bad man 2 beDELETEad
#> 4 1a b "a B" a Bad man 2 beDELETEad
#> 5 1a e "a Be" a Bad man 2 beDELETEad
#> 6 1a DELETE "a B" a Bad man 2 beDELETEad
#> 7 1a a "a Ba" a Bad man 2 beDELETEad
#> 8 1a d "a Bad" a Bad man 2 beDELETEad
#> 9 1a SPACE "a Bad " a Bad man 2 beDELETEad
#> 10 1a m "a Bad m" a Bad man 3 man
#> # … with 14 more rows
第二种方法：仅基于 keystrokes 中的信息。
这是一种仅使用 keystroke 中的信息的方法。但是，如果我们只想使用 keystroke 中的数据，事情就会变得更加费力。
以下是对以下步骤的简短说明：
步骤 1a：数据清理
我们需要清理 keystrokes 中的数据，以便它们可用于新列 within_word。这意味着两件事：(a) 我们需要用 "" 替换每个不应在 within_word 中打印的击键。在此之前，我们需要 (b) 根据该键的功能更改前导击键。在 SHIFT 的情况下，这意味着我们需要设置前导 keystroke toupper。对于您的示例数据，这非常简单，因为只有 SHIFT 我们需要处理。但是，在您的真实数据中可能有许多类似的其他键，例如 ALT 或 ^。所以我们需要为每个键重复步骤 1a。理想情况下，我们会想出一个函数，该函数采用键的名称和它在前导 keystroke 上使用的函数。请注意，我们尚未在此步骤中包含 "SPACE"，因为我们在步骤 2 中需要它。
要查看您需要在实际数据中处理多少个键，我们可以过滤那些 keystroke 不会更改 existing_text 的键。在您的示例数据中，这只是 SHIFT:
# get all keystrokes that don't change the existing_text directly
x %>%
select(keystroke, existing_text) %>%
filter(existing_text == lag(existing_text, default = ""))
#> # A tibble: 2 x 2
#> keystroke existing_text
#> <chr> <chr>
#> 1 SHIFT "a "
#> 2 SHIFT "a "
步骤 2：创建分组
我们需要在 within_text 中创建单词分组。这是最复杂的一步。下面我们首先查找 within_word == "SPACE" 以及后续行是 != "SPACE" 的行。我们在结果上使用 data.table::rleid 以获得此变量的 运行-length id。最后，我们需要为那些 within_word == "SPACE".
1
第 3 步：最后一步前的数据准备
这基本上类似于步骤 1a，我们需要用 "" 替换 "SPACE" 因为我们不希望它出现在我们的结果中。但是，由于我们在步骤 2 中需要此列，因此我们必须在此步骤中完成数据清理。
第 4 步：折叠 within_word
中的字符串
最后，我们按 experiment_id 和 word_grp 分组，并用 paste0(..., collapse = "").
within_word 中的字符串
library(tidyverse)
# step 1a: data cleaning
mutate(within_word = if_else(lag(keystroke, default = first(keystroke)) == "SHIFT",
toupper(keystroke),
keystroke) %>%
str_replace_all(., c("SHIFT" = ""))) %>%
# step 1b to 1n: repeat step 1a for other keys like ALT, ^ etc.
# step 2: create groups
group_by(experiment_id) %>%
mutate(word_grp = data.table::rleid(
within_word == "SPACE" & lead(within_word, default = first(keystroke)) != "SPACE"
) %>% if_else(within_word == "SPACE", . - 1L, .)) %>%
# step 3: data prep before final step
ungroup %>%
mutate(within_word = str_replace(within_word, "SPACE", "")) %>%
# step 4: collapse
group_by(experiment_id, word_grp) %>%
mutate(within_word = paste0(within_word, collapse = ""))
#> # A tibble: 24 x 6
#> # Groups: experiment_id, word_grp [6]
#> experiment_id keystroke existing_text final_text within_word word_grp
#> <chr> <chr> <chr> <chr> <chr> <int>
#> 1 1a a "a" a Bad man a 1
#> 2 1a SPACE "a " a Bad man a 1
#> 3 1a SHIFT "a " a Bad man BeDELETEad 3
#> 4 1a b "a B" a Bad man BeDELETEad 3
#> 5 1a e "a Be" a Bad man BeDELETEad 3
#> 6 1a DELETE "a B" a Bad man BeDELETEad 3
#> 7 1a a "a Ba" a Bad man BeDELETEad 3
#> 8 1a d "a Bad" a Bad man BeDELETEad 3
#> 9 1a SPACE "a Bad " a Bad man BeDELETEad 3
#> 10 1a m "a Bad m" a Bad man man 5
#> # … with 14 more rows
由 reprex package (v0.3.0)
于 2021-12-23 创建