自动匹配和替换单词和位置答案

【问题标题】：Automatically match and replace word & position with its replacement自动匹配和替换单词和位置
【发布时间】：2020-08-25 10:16:53
【问题描述】：

我正在使用 R 中的 Google Analytics（分析）转化路径数据。我导入的数据框类似于以下示例：

    Channel_Path                                | Source_Path
Social > Email > Social > Paid Search > Social  | facebook > mailtool > m.facebook.com > google > facebook+instagram
Organic Search > Email > Social                 | google > mailtool > pinterest

如您所见，不同的频道由“>”符号分隔。我想做的是：

将“Channel_Path”列中的“Social”替换为“Source_Path”列中的相应值，而不更改任何其他值。这应该发生在数据集中的所有行上。

结果应如下所示：

      Channel_Path                                                   | Source_Path
facebook > Email > m.facebook.com > Paid Search > facebook+instagram | facebook > mailtool > m.facebook.com > google > facebook+instagram
Organic Search > Email > pinterest                                   | google > mailtool > pinterest

我遇到的问题是我正在处理一个大型数据集（60.000 行）并且我不知道如何根据它们的位置自动替换这些值。

为了更好的重现性，下面是上面给出的示例的代码：

df <- data.frame(Channel_Path = c("Social > Email > Social > Paid Search > Social", "Organic Search > Email > Social"),
             Source_Path = c("facebook > mailtool > m.facebook.com > google > facebook+instagram", "google > mailtool > pinterest"))

谢谢！

【问题讨论】：

标签： r regex replace google-analytics gsub

【解决方案1】：

我们可以获取分隔" > "上的列的长格式数据，将Channel_Path值替换为Channel_Path == 'Social'并再次粘贴值。

library(dplyr)

df %>%
  mutate(row = row_number()) %>%
  tidyr::separate_rows(Channel_Path, Source_Path, sep = " > ") %>%
  mutate(Channel_Path = ifelse(Channel_Path == 'Social', 
                               Source_Path, Channel_Path)) %>%
  group_by(row) %>%
  summarise(across(.fns = ~paste(., collapse = " > "))) %>%
  select(-row) 

#                                                          Channel_Path
#1 facebook > Email > m.facebook.com > Paid Search > facebook+instagram
#2                                   Organic Search > Email > pinterest
#                                                         Source_Path
#1 facebook > mailtool > m.facebook.com > google > facebook+instagram
#2                                      google > mailtool > pinterest

【讨论】：

嘿@Ronak，这很有帮助！一个轻微的适应/问题：我还有两列包含转换和转换值。执行代码后，它们也与“>”分组。换句话说：我得到 600 > 600 > 600，而不是转换值 600。有没有办法避免其他列发生这种情况？谢谢！
@emil_rore 我想您可以将summarise 行更改为summarise(across(c(Channel_Path, Source_Path), .fns = ~paste(., collapse = " > ")))，所以只有这两列会被更改。
嗨罗纳克，非常感谢！是的，你是对的——这只改变了这两列，但也只在“df”中留下了这两列。您知道在摘要行中使用“conversion = first(conversion)”将未更改的值添加到最终表中是否有任何问题吗？
是的，您可以在summarise 中使用它。或者，您也可以使用 group_by 中的这些列。

【解决方案2】：

输入：

df <- data.frame(Channel_Path = c("Social > Email > Social > Paid Search > Social", "Organic Search > Email > Social"),
         Source_Path = c("facebook > mailtool > m.facebook.com > google > facebook+instagram", "google > mailtool > pinterest"))

功能：

library(tidyr)
library(dplyr)
library(stringr)

google_analytics <- function(col1,col2){
str1 <- str_split(col1," > ")[[1]]
str2 <- str_split(col2," > ")[[1]]
result <- ""
for(i in 1:length(str1)){
  if(str1[i]=="Social"){
    str1[i] <- ifelse(str2[i] %in% c("facebook+instagram","m.facebook.com"),"facebook",str2[i])
  }
  if(i==length(str1)){
    result <- paste0(result, str1[i])
    next
  }
  result <- paste0(result, str1[i], " > ")
}

return(result)
}

df <- df %>% rowwise() %>% dplyr::mutate(Channel_Path=google_analytics(Channel_Path,Source_Path))

输出：

Channel_Path                                   Source_Path                                             
  <chr>                                          <chr>                                                   
1 facebook > Email > facebook > Paid Search > f~ facebook > mailtool > m.facebook.com > google > faceboo~
2 Organic Search > Email > pinterest             google > mailtool > pinterest

【讨论】：

嘿@Flo - 不幸的是，这并没有在我的真实数据集上给我想要的输出。正如我在评论中提到的，我的代码只是一个使其可重现的示例。但是，我的真实数据集包含 60.000 行，并且代码不会自动将 Social 一词的位置与相应的替换匹配。
好的，我已经编辑了我的代码来尝试一些不同的东西。
嘿弗洛，再次感谢您的尝试！不幸的是，此代码将“Channel_Path”列中的所有值替换为我在数据集第一行中的值。现在所有行都有值“付费搜索”。
我已经将我的示例扩展了一行 - 当另一行添加到数据框时，可能更容易重现
我的错，我忘记了在应用函数之前逐行分割数据的命令 rowwise()。希望它现在按预期工作。

【解决方案3】：

我们将逐行工作，对于每一行，我们将使用 scan() 解析每一列的元素，然后我们将使用 ifelse() 来获取正确元素的向量，我们将折叠回来进入我们请求的输出。

library(dplyr, warn.conflicts = FALSE)

df %>%
  rowwise() %>%
  mutate_at("Channel_Path", ~{
    cp <- scan(text = ., what = character(), sep = ">", strip.white = TRUE, quiet = TRUE)
    sp <- scan(text = Source_Path, what = character(), sep = ">", strip.white = TRUE, quiet = TRUE)
    cp <- ifelse(cp == "Social", sp, cp)
    paste(cp, collapse = " > ")
  }) %>%
  ungroup()
#> # A tibble: 2 x 2
#>   Channel_Path                             Source_Path                          
#>   <chr>                                    <chr>                                
#> 1 facebook > Email > m.facebook.com > Pai~ facebook > mailtool > m.facebook.com~
#> 2 Organic Search > Email > pinterest       google > mailtool > pinterest

【讨论】：