Question

我正在学习R（和dplyr），并且可能有一个简单的问题，尽管我花了数小时没有答案。我在数据帧中有两列A（字符）和B（整数）。

由于原始数据的拼写错误（在A列中），数据框包含其他行，因此有很多行必须折叠为单行（同时也折叠了它们的整数值）（通过sum()列中的B）。

例如，可能有三行应该改为一行：

CAR ............. MPG

  马自达...... 5

  马兹达……2

  Mzda .......... 1

应该是

CAR ........... MPG

马自达..... 8

我正在使用dplyr，并试图找到一种方法来折叠具有相似字符（例如三个字母）的行，并通过管道返回到原始表中。

任何想法或指导，最好使用R或dplyr基。

Answer 1

使用末尾注释中可重复显示的输入DF，使用soundex或phonics package中的其他功能之一为每个CAR导出一个密钥，然后通过密钥：

library(dplyr)
library(phonics)

DF %>% 
  group_by(key = soundex(CAR)) %>%
  summarize(CAR = toString(CAR), MPG = sum(MPG)) %>%
  ungroup %>%
  select(-key)

给予：

# A tibble: 1 x 2
  CAR                   MPG
  <chr>               <int>
1 Mazda, Mazzda, Mzda     8

注意

Lines <- "CAR MPG
Mazda 5
Mazzda 2
Mzda 1"
DF <- read.table(text = Lines, header = TRUE, as.is = TRUE, strip.white = TRUE)

合并变量拼写错误的重复行

1 个答案:

注意