使用文本匹配的可变列

Question

我在一个数据帧中有一个字符向量，值超过500个--其中大约50个是同一事物的多次迭代(即“郁金香”和“小郁金香”和“郁金香”郁金香-新鲜的切分，然后类似的“玫瑰”“迷你玫瑰”“攀缘玫瑰”。

我希望将其转换为另一列，其中我指定每一列都成为“郁金香”或“玫瑰”，或者如果它们不匹配，则保持其先前的值。

例如,

• Tulip

• Red

• Violet

• Daffodil

• 小郁金香

• 郁金香-鲜摘

• Violet

• Daffodil

H 117粉红Tulips

• Roses

应该变成..。1.玫瑰2.牡丹3.郁金香4.玫瑰5.郁金香6.郁金香7.紫罗兰8.水仙花9.郁金香10.玫瑰

我已经尝试了大量的方法，使用mutate和lapply，grep和各种迭代，但都没有成功。有什么建议吗？这似乎是在R中做的一些基本的事情，但我一直在努力寻找一个解决方案

Answer 1

这是字符串/正则表达式匹配和使用if_else或dplyr::case_when分配一个新变量(或旧变量)的简单情况。以下是您可以这样做的一种方法：

library(tidyverse)
library(stringi)

flower_data = tibble(flower = c("Type of Rose", "Type of Tulip", "Other Flower")) 
flower_data %>%
  mutate(new_flower = case_when(
    stringi::stri_detect_regex(flower, "[Rr]ose") ~ "Rose",
    stringi::stri_detect_regex(flower, "[Tt]ulip") ~ "Tulip",
    TRUE ~ flower
  ))

我喜欢stringi的实现，因为我发现由于可读性，它比stringr::str_detect和case_when在嵌套if_else语句上要快得多。