R按子串分组答案

【问题标题】：R group by substringR按子串分组
【发布时间】：2019-02-19 21:30:33
【问题描述】：

样本数据

data = data.frame(id = c(1, 2, 3, 4, 5),
              name = c("blue", "green", "red", "read", "HUE"),
              WANT = c("ue", "re", "re", "re", "ue"))

解释一下。如果“name”包含“ue”，则 WANT =“ue”，如果“name”包含“re”，则 WANT =“re”。大小写无关紧要。

这是我的尝试：

    df$attempt <- NA
df$attempt[substr(df$name) == "ue"] <- "ue"
df$attempt[substr(df$name) == "re"] <- "re"

【问题讨论】：

没有“ue”或“re”的情况怎么办？那么“ue”和“re”都存在的情况呢？
如果不包含“ue”或“re”，则 group = NA。如果它同时具有[它不应该]，那么哪个先发生。谢谢

标签： r string substring

【解决方案1】：

使用stringr（tidyverse 的一部分）的解决方案。

library(tidyverse)

data2 <- data %>%
  mutate(attempt = str_extract(name, pattern = regex("ue|re", ignore_case = TRUE)),
         attempt = str_to_lower(attempt))
data2
#   id  name WANT attempt
# 1  1  blue   ue      ue
# 2  2 green   re      re
# 3  3   red   re      re
# 4  4  read   re      re
# 5  5   HUE   ue      ue

数据

data = data.frame(id = c(1, 2, 3, 4, 5),
              name = c("blue", "green", "red", "read", "HUE"),
              WANT = c("ue", "re", "re", "re", "ue"))

【讨论】：

【解决方案2】：

这里有几个版本

data = data.frame(id = c(1, 2, 3, 4, 5),
                  name = c("blue", "green", "red", "read", "HUE"))


#base r version
data$want <- ifelse(grepl("ue", data$name, ignore.case = T), "ue",
                    ifelse(grepl("re", data$name, ignore.case = T), "re",
                           NA))
#tidyverse version
library(dplyr)

data <- data %>%
  mutate(want = ifelse(grepl("ue", name, ignore.case = T), "ue",
                       ifelse(grepl("re", name, ignore.case = T), "re",
                              NA)))

【讨论】：

非常感谢。最后，假设我有 10 多个类别。我尝试了“ifelse”，但这似乎不起作用。有没有另一种方式来呈现 10 多个 ifelse 语句？
@bvowe 您可以使用dplyr 中的case_when 而不是ifelse，但如果有10 个以上的字符串，我的解决方案中的str_extract 可能更有意义。

【解决方案3】：

尝试使用ifelse 和mutate。 grepl("ue",name,ignore.case = T) 检查 ue 或 UE 是否存在。同样的逻辑适用于[re]

library(dplyr)

    data = data%>%
  mutate(Attempt = ifelse(grepl("ue",name,ignore.case = T),"ue",
                          ifelse(grepl("re",name,ignore.case = T),"re",NA)))

【讨论】：

这使得所有的“尝试”变量都变成了“ue”
将ignore.case = TRUE 用于grepl，而不是同时包含大小写模式。

【解决方案4】：

使用purrr 和dplyr：

library(dplyr)
library(purrr)

data %>%
  mutate(group = map2_chr(WANT, name, ~ .x[grepl(.x, .y, ignore.case = TRUE)]))

输出：

  id  name WANT group
1  1  blue   ue    ue
2  2 green   re    re
3  3   red   re    re
4  4  read   re    re
5  5   HUE   hu    hu

数据：

data = data.frame(id = c(1, 2, 3, 4, 5),
                   name = c("blue", "green", "red", "read", "HUE"),
                   WANT = c("ue", "re", "re", "re", "hu"),
                   stringsAsFactors = FALSE)

【讨论】：

WANT 列可能不存在。