是否有一个 R 函数用于在不使用循环的情况下根据另一列的修改版本重新编码列？

Posted 2023-04-15

【中文标题】是否有一个 R 函数用于在不使用循环的情况下根据另一列的修改版本重新编码列？

【英文标题】：Is there an R function for recoding a column based on a modified version of another without using a loop?

【发布时间】：2020-01-06 09:23:39

【问题描述】：

我目前正在开展一个项目，该项目需要根据另一个字段中的检测对一个字段进行重新编码，如下所示。对于第二行的情况，我需要重新编码 Col1，使其类似于 Col2 中的值。在重新编码这些值之后，我需要过滤数据集，以便只保留在 Col2 中找到的具有 Col1 值的行。

Col1     Col2 
CN234    CN234
WO/123   WO/0123
KR567    KR456

我目前有以下代码，但无法正常工作：

df$Col3= paste(str_split(df$Col1,"/")[[1]][1],"/","0",str_split(df$Col1,"/")[[1]][2])
df$check=str_detect(df$Col2,stringr::fixed(df$Col1))
df[which(df$check!=TRUE),]$Col1=df[which(df$check!=TRUE),]$Col3
df$check=str_detect(df$Col2,stringr::fixed(df$Col1))
df2<-df[which(df$check==TRUE),]

目前第一行代码只对第一行进行字符串计算，并在数据帧的其余部分重复它。

预期的结果是：

Col1     Col2
CN234    CN234
WO/0123  WO/0123

谁能帮我解决这个问题？

【问题讨论】：

请问您的示例数据集的预期结果是什么？

您好，我已将预期结果添加到原帖中。

为什么第 2 行重新编码但第 3 行没有？

最终结果是保留 Col1 中的值存在于 Col2 中的行，但 KR 456 与 Col2 中的值不匹配。我试图在 (Col3) 中添加一个新列来重新编码所有值，但只在 Col1 中捕获那些尚未与 Col2 中的值匹配的值。 [/edit] 对不起，误解了你的问题。最初，根据 Col1 和 Col2 之间的匹配过滤数据被认为是足够的，但我们发现有些行需要额外的零。所以这是一个两步检查。

【参考方案1】：

如果我理解正确，两列都匹配 if

前两个字母相同 尾随数字，即各自的整数值，是相同的。

这就是我会用我喜欢的工具做的事情：

library(data.table)
library(magrittr)
library(stringr)

df <- fread("Col1     Col2 
CN234    CN234
WO/123   WO/0123
KR567    KR456")

df[str_extract(Col1, "^[[:alpha:]]2") == str_extract(Col2, "^[[:alpha:]]2") &
     str_extract(Col1, "\\d+$") %>% as.integer() == str_extract(Col2, "\\d+$") %>% as.integer()][
       , Col1 := Col2][]

      Col1    Col2
1:   CN234   CN234
2: WO/0123 WO/0123

在这里，数据集首先过滤满足上述条件的行，然后复制列。