Question

我有一个包含6个变量的数据框，其中一个看起来像这样：

a_title

2 LED Aluprofil 1m 2m fur LED Streifen Abdeckung ALU[Typ-3 (16121),2m,opal,2 Stucke,4 Stucke]
3 LED Aluprofil 1m 2m fur LED Streifen Abdeckung ALU[Typ-3 (16121),1m,opal,ohne,2 Stucke]

正如您所看到的，标题很长且令人困惑。来自这个长字符串的重要数据只是“Typ-3”和“1m或2m”。

我的目标是将这个长字符串重新编码为类似的东西 - ＆gt; “Typ-3 2m”

我试图自己解决它，我经常碰到墙。我设法写了这个但是不行：

data$a_title[data$a_title=="Typ-1" | ",1m,"] <- "Typ-1 1m"

Answer 1

这里有很多人比我更熟练的正则表达式，但这似乎适用于你提供的字符串。它使用两个捕获组，并结合第二组（逗号）周围的一些识别功能。

dat$typ <- gsub(".+(Typ-[0-9]+).+),([0-9]+m),.+","\\1 \\2",dat$a_title)

Answer 2

您可以使用recode包中的car命令。这是一个例子。首先，我生成一个包含您提到的类别的向量：

x <- c(rep("LED Aluprofil 1m 2m fur LED Streifen Abdeckung ALU[Typ-3 (16121),2m,opal,2 Stucke,4 Stucke]",3),
 rep("LED Aluprofil 1m 2m fur LED Streifen Abdeckung ALU[Typ-3 (16121),1m,opal,ohne,2 Stucke]",2))

此向量如下所示：

> x
[1] "LED Aluprofil 1m 2m fur LED Streifen Abdeckung ALU[Typ-3 (16121),2m,opal,2 Stucke,4 Stucke]"
[2] "LED Aluprofil 1m 2m fur LED Streifen Abdeckung ALU[Typ-3 (16121),2m,opal,2 Stucke,4 Stucke]"
[3] "LED Aluprofil 1m 2m fur LED Streifen Abdeckung ALU[Typ-3 (16121),2m,opal,2 Stucke,4 Stucke]"
[4] "LED Aluprofil 1m 2m fur LED Streifen Abdeckung ALU[Typ-3 (16121),1m,opal,ohne,2 Stucke]"    
[5] "LED Aluprofil 1m 2m fur LED Streifen Abdeckung ALU[Typ-3 (16121),1m,opal,ohne,2 Stucke]"

现在我可以重新编码此向量（确保所有'和"都在正确的位置）：

library(car)
y <- recode(x, "'LED Aluprofil 1m 2m fur LED Streifen Abdeckung ALU[Typ-3 (16121),2m,opal,2 Stucke,4 Stucke]'='Typ1';
 'LED Aluprofil 1m 2m fur LED Streifen Abdeckung ALU[Typ-3 (16121),1m,opal,ohne,2 Stucke]'='Typ2'")

检查它是否有效：

> y
[1] "Typ1" "Typ1" "Typ1" "Typ2" "Typ2"

或转换为因素：

> as.factor(y)
[1] Typ1 Typ1 Typ1 Typ2 Typ2
Levels: Typ1 Typ2

Answer 3

这也可行

matches = sapply(c("Typ-\\d", "\\dm"), function(x) regmatches(a, regexpr(x, a)))
paste(matches, collapse=" ")

虽然到目前为止我发现Heroka的答案最为优雅;）

在R中重新编码变量

3 个答案: