使用 R 和 tidyr() 从 NA 中提取文本

Posted 2023-02-23

【中文标题】使用 R 和 tidyr() 从 NA 中提取文本

【英文标题】：Extracting text from NAs using R and tidyr()

【发布时间】：2016-01-14 01:22:50

【问题描述】：

我在一个数据框中有四列数据。这些列根据北/南/东/西拆分指定记录（行）是否位于伦敦的 4 个不同部分（没有记录出现在多于一个列中），因此（其中第一行是列标题） ：

North    South     East    West
NA       South     NA      NA
NA       NA        East    NA
North    NA        NA      NA

我想将这些用作图表中的一个因素，所以我使用 tidyr 将它们连接起来

LondonNew <- unite(London,"adminarea",North:West,sep="",remove=FALSE)

，所以我现在有一个名为 adminarea 的附加列：

adminarea
NASouthNANA
NANAEastNA
NorthNANANA

我在 tidyr() 中找不到忽略 NA 的参数，我想知道这是否可能？最坏的情况，有人可以帮助我使用一个简单的附加正则表达式/str_extract 来帮助我将 North、South、East 或 West 四个单词提取到单独的列中吗？

目标是：

adminarea
South
East
North

非常感谢您的帮助。

【问题讨论】：

使用 LondonNew$adminarea

在这种情况下它会起作用，但如果文本的其他部分也具有有效的 NA，则并非总是如此。

这是矩阵索引的经典案例 - dat[cbind(seq_len(nrow(dat)),max.col(!is.na(dat)))] 将一次性完成所有 unite 加上 NA 的删除。

另一个选项，如果它适合您的用例，是首先用空字符串替换 NA。示例：London[is.na(London)] <- '' 然后运行 ​​LondonNew <- unite(London,"adminarea",North:West,sep="",remove=FALSE)

【参考方案1】：

尝试使用：

LondonNew$adminarea <- gsub('NA', '', LondonNew$adminarea)

由于组合字符串的特殊性质，这将起作用。如果 NA 是该列中的有效字符序列，则不会。