R - 在列中查找模式并替换它（更有效的解决方案）

Posted 2023-02-22

【中文标题】R - 在列中查找模式并替换它（更有效的解决方案）

【英文标题】：R - finding pattern in a column and replacing it (more efficient solution)

【发布时间】：2019-04-04 05:48:44

【问题描述】：

我有每条路线的大量乘客数据集，类似于以下内容：

routes <- c("MEX-GDL", "ACA-MEX", "CUN-MTY", "MTY-CUN", "GDL-MEX", "MEX-ACA")
pax <- sample(100:500, size = 6, replace = T)
traffic <- data.frame(routes = routes, pax = pax)

   routes pax
   1 MEX-GDL 282
   2 ACA-MEX 428
   3 CUN-MTY 350
   4 MTY-CUN 412
   5 GDL-MEX 474
   6 MEX-ACA 263

如果出发地和目的地匹配，我想对航班进行分组以获得路线中的乘客总数 - 例如，将路线 MEX-GDL 重命名为 GDL-MEX 或反之亦然，这样我就可以使用 group_by() on数据集。

有点像这样：

traffic %>% group_by(routes) %>% summarise(sum(pax)) 

我已经完成了以下操作并且它有效，但我相信可以有一种更有效的方法来解决问题（因为它需要相当长的时间来运行）：

library(tidyverse)

traffic$routes <- as.character(traffic$routes)

for(route in traffic$routes)
  a <- substring(route, first = 1, last = 3) 
  b <- substring(route, first = 5, last = 7)
  aux <- which(sapply(traffic$routes, str_detect, pattern = paste0(b,"-",a)))
  traffic$routes[aux] <- paste0(a,"-",b)

有什么建议吗？

感谢您的帮助！

注意：这是我在这里的第一个问题，所以我希望我遵守了所有准则。

【问题讨论】：

第一个问题很好！如果只有所有新用户都能做到这一点:)

【参考方案1】：

我们可以将separate分成两列，按pmax或pmin分组，得到sum

library(tidyverse)
traffic %>% 
   separate(routes, into = c("Col1", "Col2")) %>%
   group_by(ColN = pmin(Col1, Col2), ColN2 = pmax(Col1, Col2)) %>% 
   summarise(Sum = sum(pax))

【参考方案2】：

data.table版本

数据：(?IREAD THIS)

traffic <- data.frame(routes = I(routes), pax = pax)

library(data.table)
setDT(traffic)[,routes := sapply(strsplit(routes, split="-"), function(x) paste0(sort(x),collapse = "-"))][,.(Sum = sum(pax)), by = routes]

结果：（值因sample 函数而不同）

#    routes Sum
#1: GDL-MEX 621
#2: ACA-MEX 595
#3: CUN-MTY 266

---

如果您使用带有?sample 的数据，请同时使用?set.seed。