Question

我有一个data.frame keywordsCategory，其中包含一组我希望根据我想要检查的字词进行分类的短语。

例如，我的一个＆＃34;检查条款＆＃34;是 test1 ，对应于类别 cat1 。我对data.frame的第一次观察是这是一个test1 ，我需要在一个新的列类别中包含相应的类别。

因为可以将一个观察分配给多个类别，我认为最好的选择是使用grepl创建我的data.frame的独立子集，以便最近在新data.frame

library(data.table)

wordsToCheck <- c("test1", "test2", "This")
categoryToAssign <- c("cat1", "cat2", "cat3")

keywordsCategory <- data.frame(Keyword=c("This is a test1", "This is a test2"))

for (i in 1:length(wordsToCheck)) {
        myOriginal <- wordsToCheck[i]
        myCategory <- categoryToAssign[i]
        dfToCreate <- paste0("withCategory",i)
        assign(dfToCreate, 
               data.table(keywordsCategory[grepl(paste0(".*",myOriginal,".*"),
                                                 keywordsCategory$Keyword)==TRUE,]))
        # this wont work :(
        # dfToCreate[,category:=myCategory]
}

# Create a list with all newly created data.tables
l.df <- lapply(ls(pattern="withCategory[0-9]+"), function(x) get(x))

# Create an aggregated dataframe with all Keywords data.tables
newdf <- do.call("rbind", l.df)

子集＆gt; rbind工作，但我不能将相应的类别分配给我新创建的data.tables。如果我取消注释该行，我会收到以下错误：

:=（类别，myCategory）中的错误：检查一下 is.data.table（DT）== TRUE。否则，：=和:=（...）被定义为在j中使用，只在特定方式使用一次。请参阅帮助（＆＃34;：=＆＃34;）。

但是，如果我在循环完成后手动添加列，f.i：

withCategory1[,category:=myCategory]

它正常工作，表输出符合预期：

> withCategory1
                V1 category
1: This is a test1     cat2

tableOutput <- structure(list(V1 = structure(1L, .Label = c("This is a test1", 
"This is a test2"), class = "factor"), category = "cat2"), .Names = c("V1", 
"category"), row.names = c(NA, -1L), class = c("data.table", 
"data.frame"), .internal.selfref = <pointer: 0x00000000001f0788>)

使用assign函数在循环内创建新列时，哪个最佳/最安全的方法是向data.table添加新列？解决方案并不需要使用data.tables，因为我只使用它，因为我的真实数据有数百万的观察结果，我认为data.table会更快。

Answer 1

作为for-loop的替代方案，您可以使用paste0，mapply和grepl的结合来获得您想要的内容：

# create a 'data.table'
newDT <- as.data.table(keywordsCategory)

# assign the correct categories to each row
newDT[, category := paste0(categoryToAssign[mapply(grepl, wordsToCheck, Keyword)], collapse = ','), 1:nrow(newDT)]

给出：

> newDT
           Keyword  category
1: This is a test1 cat1,cat3
2: This is a test2 cat2,cat3

如果要将类别列扩展为每行上的一个类别，请参阅this Q&A了解如何执行此操作的几种方法。例如：

library(splitstackshape)
cSplit(newDT, 'category', ",", direction = 'long')

你得到：

           Keyword category
1: This is a test1     cat1
2: This is a test1     cat3
3: This is a test2     cat2
4: This is a test2     cat3

将新列添加到data.table;使用循环

1 个答案: