Question

我有一个包含两列的数据框，并且想要创建第三列，它基本上是一个布尔值，表示第二列是否包含一组特定的值。

f <- data.frame(name=c("John", "Sara", "David", "Chad"),
                 car=c("Honda|Ford", "BMW", "Toyota|Chevy|Ford", 
                 "Toyota|Chevy|Ford|Honda"))

我做的第一件事是删除|从第二列中的每个字符串开始，并将那些值放在第三列

中

library(stringr)
g = str_replace_all(f$car, "[^[:alnum:]]", " ")
f$make = c(g)
f

如果创建另一个列，它将是一个布尔值，如果make包含一个公共汽车则为1，如果它包含一个非常用汽车，则为0。

common = c("Honda", "Ford", "Toyota", "Chevy")
not_common = c("BMW", "Lexus", "Acura")

我尝试过一些东西，包括stringr包和ifelse来产生以下输出。

   name                     car                    make       common   
1  John              Honda|Ford              Honda Ford           1
2  Sara                     BMW                     BMW           0
3 David       Toyota|Chevy|Ford       Toyota Chevy Ford           1
4  Chad Toyota|Chevy|Ford|Honda Toyota Chevy Ford Honda           1

由于可以同时使用普通和不常见的汽车作为条目，因此不常见的make应覆盖公共品牌，该行应在公共列中取值0。因此，如果一个条目同时拥有宝马和福特，该条目应该在共同列中取0。

任何人都可以帮忙完成这项任务。

哦，这是我尝试使用stringr包的内容，但它不起作用。

common = c("Honda", "Ford", "Toyota", "Chevy")
not_common = c("BMW", "Lexus", "Acura")
common_match <- str_c(common)
not_match <- str_c(not_common)

main <- function(df) {
  f$new_make <- str_detect(f$make, common_match)
  df
}

main(f)

谢谢！

Answer 1

不确定这是否是最有效的方式，但请尝试使用grep和ifelse应用于f$car的每个值。 |字符仅表示or用于组合grep内的搜索字词，与数据中的分隔符无关。

f$common <- sapply(f$car,function(x) ifelse(length(grep("BMW|Lexus|Acura",x))>0,0,1))

结果：

> f
   name                     car common
1  John              Honda|Ford      1
2  Sara                     BMW      0
3 David       Toyota|Chevy|Ford      1
4  Chad Toyota|Chevy|Ford|Honda      1

Answer 2

另一种方式和比较

f2 <- f[rep(1:4,50000),]
system.time({
v <- sapply(f2$make, strsplit, " ")
sapply(v, function(x) max(1-not_common %in% x)*max(common %in% x))
})
 user  system elapsed 
 7.94    0.01    8.00 

system.time(sapply(f2$car,function(x) ifelse(length(grep("BMW|Lexus|Acura",x))>0,0,1)))
 user  system elapsed 
28.72    0.04   28.87

基于另一列创建新的数据框列

2 个答案: