Question

无法完成这项任务

考虑一个数据框＆＃34; usa＆＃34;有3列，＆＃34;标题＆＃34;，＆＃34;城市＆＃34;和＆＃34;州＆＃34; （可再现的）：

    title <- c("Events in Chicago, September", "California hotels", 
               "Los Angeles, August", "Restaurant in Chicago")
    city  <- c("","", "Los Angeles", "Chicago")
    state <- c("","", "California", "IL")

    usa   <-data.frame(title, city, state)

导致：

                             title        city      state
    1 Events in Chicago, September                       
    2            California hotels                       
    3          Los Angeles, August Los Angeles California
    4        Restaurant in Chicago     Chicago         IL

现在我要做的是为前2个观察填充STATE变量，现在已经缺失了。

TITLE变量包含线索：每个条目中都提到了城市或州。

我需要做以下事情：

检查＆＃34; title＆＃34;中是否有任何单词列匹配＆＃34; city＆＃34;中发现的任何观察和＆＃34;州＆＃34;列;
如果＆＃34; title＆＃34;中有任何字词匹配＆＃34; state＆＃34;中的任何观察，为给定标题的观察粘贴相同的状态;
如果＆＃34; title＆＃34;中有任何字词匹配＆＃34; city＆＃34;中的任何观察，将匹配的城市状态粘贴到＆＃34;州＆＃34;标题行的列。

所以我最终得到的是：

                             title        city      state
    1 Events in Chicago, September                     IL   
    2            California hotels             California          
    3          Los Angeles, August Los Angeles California
    4        Restaurant in Chicago     Chicago         IL

换句话说，在第二行中，标题包含一个单词＆＃34; California＆＃34;，因此从状态向量中找到匹配状态。但是，在第一行，“芝加哥”这个词是＃34;是关键，数据框中有另一个条目（第4行），它将芝加哥与＃34; IL＆＃34;国家，所以＆＃34; IL＆＃34;必须粘贴在＆＃34;州＆＃34;的第一行。列。

等待社区的想法:)谢谢！

Answer 1

我建议你使用stringr包;特别是一个名为str_extract的函数。

如果您有完整的城市列表，例如city <- c("Los Angeles", "Chicago")，然后您可以使用paste(city, collapse = '|'）将其转换为正则表达式。这会给你：'Los Angeles|Chicago'。使用str_extract，您可以提取该城市（将提取它看到的第一个城市，如果没有，则提取NA）。这是完整的代码。 注意：这仅适用于您的数据框是data_frame（tibble），而不是data.frame （不完全确定原因，还没有查看）

library(tidyverse)
library(stringr)

title <- c("Events in Chicago, September", "California hotels", 
           "Los Angeles, August", "Restaurant in Chicago")
city  <- c("","", "Los Angeles", "Chicago")
state <- c("","", "California", "IL")

usa   <-data_frame(title, city, state) # notice this is a data_frame not data.frame

cities <- paste(c("Los Angeles", "Chicago"), collapse = '|')
states <- paste(c("California", "IL"), collapse = '|')

usa <- usa %>% 
  mutate(city = ifelse(city == '', str_extract(title, cities), city),
         state = ifelse(state == '', str_extract(title, states), state))

这导致：

# A tibble: 4 x 3
                         title        city      state
                         <chr>       <chr>      <chr>
1 Events in Chicago, September     Chicago       <NA>
2            California hotels        <NA> California
3          Los Angeles, August Los Angeles California
4        Restaurant in Chicago     Chicago         IL

R：将字符向量与另一个字符向量

1 个答案: