Question

我目前正在对我的数据集中的分类变量进行规范化。

我必须将汽车的传输标准化为手动或自动。

我的初始数据看起来像这样（注意这是化妆数据）

Make    | Transmission |  Price
BWM     6 Speed Automatic  50000
TOYOTA  5 Speed Automatic  40000
BWM     7 Speed Manual     70000
NISSAN  3 Speed Automatic  50000
TOYOTA  5 Speed Manual     30000

我的目标是将包含自动的任何传输转换为＆＃34;自动＆＃34;以及包含Manual to＆＃34; Manual＆＃34;

的传输

我目前的做法是使用gsub（）

df$Transmission <- gsub("6 Speed Automatic", "Automatic", df$Transmission)
df$Transmission <- gsub("5 Speed Automatic", "Automatic", df$Transmission)
df$Transmission <- gsub("3 Speed Automatic", "Automatic", df$Transmission)
df$Transmission <- gsub("7 Speed Manual", "Manual", df$Transmission)
df$Transmission <- gsub("5 Speed Manual", "Manual", df$Transmission)

在真正的daaset中，有许多不同类型的自动和手动传输。我不认为复制粘贴gsub（）函数是有效的。

我试图找到一种替换使用正则表达式的方法，但我能做的最好的就是使用dplyr过滤器识别它们

filter(df, grepl("Automatic", Transmission))

无论如何，我可以将包含Automatic的字符串替换为＆＃34; Automatic＆＃34;和包含手册的字符串＆＃34;手册＆＃34;。在我的情况下，使用多个gsub完全没有效率。

Answer 1

这是一种快速的数据表。

library(data.table)

Make <- c('BWM','TOYOTA','BWM','NISSAN','TOYOTA') 
Transmission <- c('Speed Automatic','Speed Automatic','Speed Manual','Speed Automatic','Speed Manual')


DT <- data.table(Make = Make, Transmission = Transmission)

DT[, Transmission_new := ifelse(Transmission == 'Speed Automatic', 
    'Automatic', 'Manual')]

> DT
     Make    Transmission Transmission_new
1:    BWM Speed Automatic        Automatic
2: TOYOTA Speed Automatic        Automatic
3:    BWM    Speed Manual           Manual
4: NISSAN Speed Automatic        Automatic
5: TOYOTA    Speed Manual           Manual

Answer 2

假设：

“自动”的拼写＆amp; “手动”完全所以在所有可能的传输值中（即没有拼写错误，大写/小写没有变化等）;和

没有包含“自动”和“自动”的传输值。 “手动”。

以下内容应该有效：

df %>% mutate(Transmission2 = case_when( grepl("Automatic", Transmission) ~ "Automatic", grepl("Manual", Transmission) ~ "Manual", TRUE ~ ""))

数据：

df <- read.csv( text = "Make, Transmission, Price BWM, 6 Speed Automatic, 50000 TOYOTA, 5 Speed Automatic, 40000 BWM, 7 Speed Manual, 70000 NISSAN, 3 Speed Automatic, 50000 TOYOTA, 5 Speed Manual, 30000" )

Answer 3

另一种方式：

> df <- data.table(Transmission = c('6 Speed Automatic',
                                  '5 Speed Automatic',
                                  '7 Speed Manual',
                                  '3 Speed Automatic',
                                  '5 Speed Manual'))

> df[, Transmission := str_extract(string = Transmission, pattern = 'Automatic|Manual')]
> df

   Transmission
1:    Automatic
2:    Automatic
3:       Manual
4:    Automatic
5:       Manual

过滤替换包含给定模式的字符串

3 个答案: