我有一个数据框x：
dput(x)
structure(list(District = structure(c(6L, 6L, 6L, 6L, 6L, 6L), .Label = c("District - Central (06)",
"District - East (04)", "District - New Delhi (05)", "District - North (02)",
"District - North East (03)", "District - North West (01)", "District - South (09)",
"District - South West (08)", "District - West (07)"), class = "factor"),
Age = structure(c(103L, 1L, 2L, 14L, 25L, 36L), .Label = c("0",
"1", "10", "100+", "11", "12", "13", "14", "15", "16", "17",
"18", "19", …我一直在从网站上抓取评论数据，在此过程中，我能够获取包含用户名、评论数量、评论日期和国家/地区信息的字符串向量。它们看起来大致是这样的
raw <- c("Anna (1025) - North Carolina, USA - DEC 20, 2017",
"James (10) - - MEXICO - NOV 22, 2017",
"Susane (222) - Oulu, FINLAND - JUNE 1, 2016",
"Alex (20000) - SOUTH KOREA- MAR 11, 2015")
到目前为止，我可以提取名称、评论编号和日期，因为它们位于定义的位置或具有一致的格式。问题在于，国家/地区名称格式的位置不一致，并且每个字符串中的各个数据点没有一致地用逗号或破折号分隔。仅提取大写字符串就会遇到缺少国家或名称中有两个部分的国家的问题。
地图包包含国家/地区列表。有没有一种方法可以用来str_extract_all在stringr国家/地区列表向量中查找匹配项并提取该匹配项？
我正在使用一个数据集，其中有许多名为 status1、status2 等的列。在这些列中，它表示某人是否豁免、完整、注册等。
不幸的是，豁免投入并不一致；这是一个示例：
library(dplyr)
problem <- tibble(person = c("Corey", "Sibley", "Justin", "Ruth"),
status1 = c("7EXEMPT", "Completed", "Completed", "Pending"),
status2 = c("exempt", "Completed", "Completed", "Pending"),
status3 = c("EXEMPTED", "Completed", "Completed", "ExempT - 14"))
我正在尝试使用 case_when() 来创建一个具有最终状态的新列。如果它说已完成，那么它们就已完成。如果它说豁免但没有说完整，那么他们就豁免了。
重要的部分是我希望我的代码使用 contains("status") 或一些仅针对状态列且不需要全部键入的等效项，并且我希望它只需要部分字符串匹配即可豁免。
至于将 contains 与 case_when 一起使用，我看到了这个示例，但我无法将其应用到我的案例中：mutate with case_when and contains
这是我到目前为止尝试使用的，但正如你可以猜到的，它没有起作用：
library(purrr)
library(dplyr)
library(stringr)
solution <- problem %>%
mutate(final= case_when(pmap_chr(select(., contains("status")), ~
any(c(...) == str_detect(., "Exempt") ~ "Exclude",
TRUE ~ "Complete"
))))
这是我想要的最终产品的样子：
solution <- tibble(person = c("Corey", "Sibley", "Justin", "Ruth"), …我想str_glue与管道一起使用。我的代码：
library(tidyverse)
x <- c('john', 'bell', 'mary', 'cott')
x %>%
str_to_title(.) %>%
str_glue('Hi, {.}. How are you?')
但是，出现以下错误消息：
错误：所有未命名参数的长度必须为 1
期望输出：
Hi, John. How are you?
Hi, Bell. How are you?
Hi, Mary. How are you?
Hi, Cott. How are you?
获取字符串列表：
strings <- c("ABC_XZY", "qwe_xyz", "XYZ")
我想获取其中strings不包含特定子字符串的所有元素
avoid <- c("ABC")
我可以做这个
library(stringr)
library(dplyr)
library(purrr)
strings %>%
.[!map_lgl(., str_detect, avoid)]
[1] "qwe_xyz" "XYZ"
我想做的是指定几个子字符串
avoid_2 <- c("ABC", "qwe")
然后像以前一样映射列表（不起作用）
strings %>%
.[!map_lgl(., str_detect, avoid_2)]
Error: Result 1 must be a single logical, not a logical vector of length 2
我想要的是
[1] "XYZ"
错误很明显 - 的每个元素都string为 的每个元素生成一个逻辑avoid_2，总共 2 个逻辑/元素，并且map_lgl只能处理一个/元素。
我当然可以单独处理每个子字符串，但我不想 - 我想制作一个子字符串列表
不想要，但确实有效
strings %>%
.[!map_lgl(., str_detect, "ABC")] %>%
.[!map_lgl(., str_detect, "qwe")]
library(tidyverse)
library(fuzzyjoin)
df1 <- tibble(col1 = c("Apple Shipping", "Banana Shipping", "FedEX USA Ground",
"FedEx USA Commercial", "FedEx International"),
col2 = 1:5)
#> # A tibble: 5 x 2
#> col1 col2
#> <chr> <int>
#> 1 Apple Shipping 1
#> 2 Banana Shipping 2
#> 3 FedEX USA Ground 3
#> 4 FedEx USA Commercial 4
#> 5 FedEx International 5
df2 <- tibble(col3 = c("Banana", "FedEX USA"), col4 = c(700, 900))
#> # A tibble: 2 x 2
#> …我在 R 中有一个字符串：
c("FLT1", "FLT1P1", "FLT1-FLT2", "SGY-FLT1, GPD")
我想保留所有具有 FLT1 的匹配项，但在添加其他字母数字字符时则不保留。换句话说，我想保留除第二个条目之外的所有条目，因为它们都提到了 FLT1，但第二个条目提到了 FLT1P1。
当我使用 str_detect 时，它返回所有内容为 true：
str_detect(string, "FLT1")
[1] TRUE TRUE TRUE TRUE
任何人都可以建议仅退回提及 FLT1 的物品的最佳方法吗？
这个问题stringr::str_replace_all可能在有这个选项之前（或者众所周知）寻求类似的答案。我正在复制下面我的答案的要点，使用str_replace_all.
tr <- c("whatevs_1", "something_52", "whatevs_1something_52")
tr
#> [1] "whatevs_1" "something_52" "whatevs_1something_52"
patterns <- sprintf('_%s$', c('1','14','22','50','52','57','76','1018','2001','3301','6005'))
replacements <- sprintf('_%s' , c('R','I', 'P', 'O', 'C', 'D', 'M', 'L', 'S', 'K', 'G'))
names(replacements) <- patterns
stringr::str_replace_all(tr, replacements)
#> [1] "whatevs_R" "something_C" "whatevs_1something_C"
您将如何在 R 基础上实现上述目标？
提供的最佳选择是 for 循环。只是想知道是否有人同时想到了更好的选择。
library(stringr)
replacements <- c("A" = "a", "B" = "b", "C" = "c", "D" = "d", "E" = "e",
"F" = "f", "G" = "g", "H" = "h", "I" = "i", "J" = "j",
"K" = "k", "L" = "l", "M" = "m", "N" = "n", "O" = "o",
"P" = "p", "Q" = "q", "R" = "r", "S" = "s", "T" = "t",
"U" = "u", "V" = "v", "W" = "w", "X" = "x", …假设我们有两个不同的数据集：
数据集 A：
ids name price
1234 bread 1.5
245r7 butter 1.2
123984 red wine 5
43498 beer 1
235897 cream 1.8
数据集 B：
ids name price
24908 lait 1
1234,089 pain 1.7
77289,43498 bière 1.5
245r7 beurre 1.4
我的目标是匹配所有共享至少一个 ID 的产品，并将它们组合成一个新的数据集，如下所示：
id a_name b_name a_price b_price
1234 bread pain 1.5 1.7
245r7 butter beurre 1.2 1.4
43498 beer bière 1 1.5
这是否可行使用stringr或任何其他 R 包？