根据 data.table 中的逻辑字符串匹配将值分配给新列

Question

我有一个庞大的学生数据集，其中有针对荣誉学生的非标准命名约定。我需要创建/填充一个新列，该列将根据单词“Honours”返回 Y 或 N 进行字符串匹配

目前我的数据看起来像这样，有超过 200,000 名学生

library(data.table)
students<-data.table(Student_ID = c(10001:10005), 
                    Degree= c("Bachelor of Laws", "Honours Degree in Commerce", "Bachelor of Laws (with Honours)", "Bachelor of Nursing with Honours", "Bachelor of Nursing"))

我需要添加第三列，以便在我以数据表方式创建新列“荣誉”后，它将像这样填充：

students<-data.table(Student_ID = c(10001:10005), 
                      Degree= c("Bachelor of Laws", "Honours Degree in Commerce","Bachelor of Laws (with Honours)", "Bachelor of Nursing with Honours", "Bachelor of Nursing"), 
                      Honours = c("N","Y", "Y", "Y","N"))

任何帮助将不胜感激。

另外，通过数据表的方式，我的意思是：

students[,Honours:="N"]

Answer 1

其实很简单

students[, Honours := c("N", "Y")[grepl("Honours", Degree, fixed = TRUE) + 1L]]

您需要做的就是使用一些正则表达式实现函数（例如grepl）搜索“Honours”（这不是一个真正的表达式，因此您可以使用fixed = TREU 来提高性能），然后执行根据您的发现从c("N", "Y") 的向量子集（TRUE/FALSE 逻辑向量 + 1L 将其转换为1,2 的向量，用于从c("N", "Y") 中减去值）

---

或者，如果这太难阅读，您可以改用ifelse

students[, Honours := ifelse(grepl("Honours", Degree, fixed = TRUE), "Y", "N")]

---

当然，如果“Honours”可以出现在不同的大小写变体中，您可以将您的 grepl 呼叫切换为 grepl("Honours", Degree, ignore.case = TRUE)

---

附言

我会建议坚持使用逻辑向量，因为之后您可以轻松地对其进行操作

例如

students[, Honours := grepl("Honours", Degree, fixed = TRUE)]

现在如果你只想选择“荣誉”的人，你可以这样做

students[(Honours)]
#    Student_ID                           Degree Honours
# 1:      10002       Honours Degree in Commerce    TRUE
# 2:      10003  Bachelor of Laws (with Honours)    TRUE
# 3:      10004 Bachelor of Nursing with Honours    TRUE

或者没有“荣誉”的人

students[!(Honours)]
#    Student_ID              Degree Honours
# 1:      10001    Bachelor of Laws   FALSE
# 2:      10005 Bachelor of Nursing   FALSE