Question

我有一个R dataframe列，其中包含以下文字

ClientID          Recom
 ABC              1:Teck|Scrip:ABC|Call:Buy||2:NA|Scrip:NA|Call:NA
 DEF              1:CG|Scrip:WERT|Call:Buy||2:CDGS|Scrip:QWS|Call:Buy||3:IT|Scrip:QAS|Call:Buy||4:NA|Scrip:NA|Call:NA||5:NA|Scrip:NA|Call:NA
 WER              1:CDGS|Scrip:WERT|Call:Sell||2:IT|Scrip:QWS|Call:Buy||3:Industrials|Scrip:QAS|Call:Buy||4:NA|Scrip:NA|Call:NA

我想从上面的模式中移除NA。期望的数据帧将是

ClientID          Recom
 ABC              1:Teck|Scrip:ABC|Call:Buy||
 DEF              1:CG|Scrip:WERT|Call:Buy||2:CDGS|Scrip:QWS|Call:Buy||3:IT|Scrip:QAS|Call:Buy||
 WER              1:CDGS|Scrip:WERT|Call:Sell||2:IT|Scrip:QWS|Call:Buy||3:Industrials|Scrip:QAS|Call:Buy||

我在R中使用了以下gsub，但它似乎不起作用。

df$Recom <- gsub("\\s*[|]+\\NA\\s+.*", "", df$Recom)

我该怎么做？

Answer 1

设置字符串的方式似乎在第一个NA之后具有所有NA。如果是这种情况，那么，

gsub('[0-9]+:NA.*', '', df$Recom)

您还可以使用strsplit和grepl，

sapply(strsplit(df$Recom, '\\|\\|'), function(i)paste(i[!grepl('NA', i)], collapse = '||'))

Answer 2

df$Recom <- lapply( strsplit( df$Recom, split = '||', fixed = TRUE),
                    grep, 
                    pattern = 'NA',
                    invert = TRUE,
                    value = TRUE )

df
#   ClientID   Recom
# 1      ABC   1:Teck|Scrip:ABC|Call:Buy
# 2      DEF   1:CG|Scrip:WERT|Call:Buy, 2:CDGS|Scrip:QWS|Call:Buy, 3:IT|Scrip:QAS|Call:Buy
# 3      WER   1:CDGS|Scrip:WERT|Call:Sell, 2:IT|Scrip:QWS|Call:Buy, 3:Industrials|Scrip:QAS|Call:Buy

数据：

df <- structure(list(ClientID = c("ABC", "DEF", "WER"), Recom = c("1:Teck|Scrip:ABC|Call:Buy||2:NA|Scrip:NA|Call:NA", "1:CG|Scrip:WERT|Call:Buy||2:CDGS|Scrip:QWS|Call:Buy||3:IT|Scrip:QAS|Call:Buy||4:NA|Scrip:NA|Call:NA||5:NA|Scrip:NA|Call:NA", "1:CDGS|Scrip:WERT|Call:Sell||2:IT|Scrip:QWS|Call:Buy||3:Industrials|Scrip:QAS|Call:Buy||4:NA|Scrip:NA|Call:NA" )), .Names = c("ClientID", "Recom"), row.names = c(NA, -3L), class = "data.frame")

Answer 3

您似乎在Recom - 列中嵌入了多种信息。要清理数据，您还可以执行以下操作：

library(splitstackshape) # will automatically also load the 'data.table' package
dt <- cSplit(
        cSplit(
          cSplit(df, 'Recom', sep = '||', 'long'), 
          'Recom', sep = '|', 'long'
        ),
        'Recom', sep = ':', 'wide'
      )[Recom_2 != 'NA'
        ][, num := cumsum(grepl('\\d+', Recom_1)), ClientID
          ][grepl('\\d+', Recom_1), Recom_1 := 'kind']

dcast(dt, ClientID + num ~ Recom_1, value.var = 'Recom_2')

给出：

   ClientID num Call Scrip        kind
1:      ABC   1  Buy   ABC        Teck
2:      DEF   1  Buy  WERT          CG
3:      DEF   2  Buy   QWS        CDGS
4:      DEF   3  Buy   QAS          IT
5:      WER   1 Sell  WERT        CDGS
6:      WER   2  Buy   QWS          IT
7:      WER   3  Buy   QAS Industrials

如何从字符串中删除NA模式

3 个答案: