Question

我试图用“1”标记所有水果，如果它只由一个国家提供或者“0”提供。

我有两个数据表：

表1：

水果 - 每行中都有不同的水果，例如Apple，Banana，Peach等......

国家/地区 - 每行都有2位iso格式的水果主要供应国家/地区，例如美国，英国，NO等......

SourceUnique - 这是我要在水果行中填充“1”的列，只有一个国家/地区提供，否则为“0”。

表2：

国家/地区 - 每行都有2位iso格式的供应商国家/地区，如上一张表格。

耗材 - 每行都有供应商提供的水果列表，例如第1行是“Apple，Banana”，第2行是“Pineapple，Peach，Pear，Apple”等......

两个表都是从CSV文件导入的，然后我的代码如下：

Table1$SourceUnique=rep(1,length(Table1$Country))

for(i in 1:length(Table1$Country)){
  for(k in 1:length(Table2$Country)){
    if(grepl(Table1$Fruit[i], Table2$Supplies[k])==TRUE && identical(Table1$Country[i], Table2$Country[k])==FALSE){
      Table1$SourceUnique[i]=0
    }
  }
}

我没有错误，但SourceUnique列未正确填充。我得到1和0的一些正确而其他没有。经过大量的搜索和讨论，我已经接受了我不知道并需要帮助，所以任何建议或解决方案都会很棒。

感谢。

编辑以获取更多信息：

有些水果有来自同一个国家的许多供应商和Table2 $供应中的其他单词很烦人。

示例数据：

Table1$Country <- c("UK","US","NO")
Table1$Fruit <- c("Apple","Banana","Pear")

Table2$Country <- c("UK","US","UK")
Table2$Supplies <- c("Apple,Pear","Banana,Pear","Banana and Apple")

再次编辑：

当我用数字单独运行时，我的代码中的grepl和相同的工作。我无法理解为什么它们不能在我的循环中工作......理论上我的代码循环通过“Supplies”，搜索两个条件并在满足两个条件时返回0。然后它继续前进到下一个i（“果实”）并重复。也许＆amp;＆amp;是我的问题？从我的知识来看似乎是正确的。

Excel解决方案也可以用于我的目的，但我对Excel的经验不足以知道从哪里开始。

Answer 1

也许您可以通过计算每个国家/地区表2中每种水果的出现次数来简化问题：

for (i in Table1$Fruit){
  as.integer(rowSums(table(grepl(i,Table2$Supplies),Table2$Country))[2]==1)
}

这为您提供1表示仅在表2中每个国家/地区出现一次的水果，否则为0。

Answer 2

假设可以构造一个正则表达式来从真实数据中的Supplies列中提取“fruit”的值，这里是一个解决问题的数据处理方法。

# prepare your sample data
fruit <- suppliers <- list()

fruit$Fruit <- c("Apple","Banana","Pear")
fruit$Country <- c("UK","US","NO")
fruit <- data.frame(fruit)

suppliers$Country <- c("UK","US","UK")
suppliers$Supplies <- c("Apple,Pear","Banana,Pear","Banana and Apple")
suppliers <- data.frame(suppliers)

library(dplyr)
library(tidyr)  # version 0.5.0 or later

# data manipulation for the desired result
suppliers %>%
    # split values of Supplies into a new row at each occurance of sep
    separate_rows(Supplies, sep = "\\s*(and|,)\\s*") %>%
    group_by(Supplies) %>%
    # summarize which fruit are supplied from only one country
    summarize(SourceUnique = as.numeric(n_distinct(Country) == 1)) %>%
    left_join(fruit, ., by = c("Fruit" = "Supplies"))
#        Fruit Country SourceUnique
#     1  Apple      UK            1
#     2 Banana      US            0
#     3   Pear      NO            0

如果需要速度，可以使用data.table来制定相同速度，这可以为处理大数据提供出色的性能。

R - 使用grepl和相同的

2 个答案: