有条件地提取多个子字符串并使用 for 循环为每个子字符串返回一个值

Question

我想找到一种优雅的方法：

1. 对“区域”中的每个唯一元素使用 for 循环
2. 从 df1 中的每一行的“country_name”中提取多个子字符串
3. 将每个区域/行的多个子字符串存储为下一步的向量或列表
4. 使用 df2 为 df1 中的每个区域/行向量返回子字符串所属的唯一元素的值。
5. 生成的输出将类似于 df3

我有两个数据框：

第一个data.frame：

zone = c("A", "B", "C")
country_name = c("Canada and UK", "UK and USA", "USA and Canada and UK") 
df1 = data.frame(zone, country_name)

第二个data.frame：

zone_area = c("A", "A", "A", "B", "B", "B", "C", "C", "C")
country_name = c("Canada", "UK", "USA", "Canada", "UK", "USA", "Canada", "UK", "USA")
cost = c(4, 8, 6, 5, 6, 9, 8, 7, 5)
df2 = data.frame(zone_area, country_name, cost)

最终生成的 data.frame 应该看起来像 df3:

zone = c("A", "B", "C")
country_name = c("Canada and UK", "UK and USA", "USA and Canada and UK")
cost = c(12, 15, 20)
df3 = data.frame(zone, country_name, cost)

我需要使用 for 循环的原因是因为如果使用不同的 zone 值，代码应该可以工作。

感谢所有查看此问题并提供解决方法的人:)

Answer 1

我们可以在将“country_name”拆分为“and”并按“zone”分组后生成left_join，得到“cost”的sum，并使用原始数据集执行right_join，以获得预期的输出

library(tidyverse)
df1 %>% 
   separate_rows(country_name, sep="\\s+and\\s+") %>%
   left_join(df2) %>% 
   group_by(zone) %>% 
   summarise(cost = sum(cost)) %>% 
   right_join(df1) %>%
   select(zone, country_name, cost)
# A tibble: 3 x 3
#  zone  country_name           cost
#   <fct> <fct>                 <dbl>
#1 A     Canada and UK            12
#2 B     UK and USA               15
#3 C     USA and Canada and UK    20

---

或者我们不使用separate_rows，而是根据'country_name'中的模式执行left_join然后filter，得到'cost'的sum和'df1'的right_join

left_join(df2, df1, by = "zone") %>%
    group_by(zone) %>% 
    filter(grepl(gsub("\\s*and\\s*", "|", country_name.y[1]), country_name.x)) %>%
    summarise(cost = sum(cost)) %>%
    right_join(df1)