在R中对标记进行分类和在ifelse中使用grepl

Question

我对一些R码有问题。我试图将列中的文本值分类为新列。我的数据是gis.stackexchange站点上使用的标记的集合，它有大约2,500行。我的目标是将标签分类为COTS、FOSS或其他。回顾标签有两种“场景”：一次使用一次的标记(即anaconda)和多次使用的标记(即qgis、qgis-桌面、qgis-服务器等)。对于COTS和FOSS标记来说，这个场景都是正确的。

我的做法是做以下工作：

1. 使用表示FOSS的所有标记创建一个向量
2. 创建一个包含所有表示COTS的标记的向量
3. 使用ifelse创建一个名为“软件和代码”的新列
4. 如果tagName在% FOSS中为%，那么将其编码为FOSS
5. 在ifelse中，在FOSS向量上使用grep进行模式匹配标记，这些标记可以多次使用(即qgis)，代码作为FOSS使用。
6. 为COTS重复此操作

我得到了一个问题，最后一个grep (COTS)被编码为FOSS。显然有什么问题，但我似乎找不出问题所在。下面是指向源数据的代码和链接。

与源CSV共享文件夹

标签载体- FOSS和COTS

foss <- c("anaconda", "android", "apache", "aptana", "google", "blender", "cordova", 
          "docker", "drupal", "eclipse", "facebook", "firefox", "ftools", "fwtools", 
          "geodjango", "geopandas", "geomoose", "geonetwork", "geonode", "geotools", 
          "ggmap", "ggplot2", "gimp", "github", "gme", "chrome", "gvsig", "h2gis", 
          "hadoop", "inkscape", "lastools", "laszip", "mongodb", "neo4j", "numpy", 
          "open-data-kit", "opencv", "opendronemap", "openev", "opengeo-suite-composer", 
          "opengl", "openjump", "openstreetmap", "opentopomap", "opentripplanner", "openwind", 
          "orfeo-toolbox", "pandas", "pdal", "pgrouting", "pg2shape", "phonegap", 
          "plpgsql", "ppygis", "pydev", "pygdal", "pyproj", "pyqspatialite", "rasterlite", 
          "raster2pgsql", "rdal", "saga", "shapely", "shp2pgsql", "sp", "sf", 
          "spatialite-gui", "three-js", "unity3d", "wordpress", "youtube", "bing-maps", 
          "dropbox", "instagram", "sketchup", "carto", "django", "gdal", "geoserver", 
          "grass", "jupyter", "leaflet", "mapbox", "matplotlib", "mysql", "ogr", "openlayers", 
          "osgeo", "osm", "pgadmin", "postgis", "postgresql", "proj4", "pyqgis", "qgis", 
          "qt", "scikit", "scipy", "tilemill")

cots <- c("autodesk", "bentley", "cityengine", "drone2map", "ecognition", "envi", "er-mapper", 
          "et-geowizards", "excel", "geomatica", "geosoft", "global-mapper", "illustrator", 
          "mac", "matlab", "microstation", "modelbuilder", "pix4d", "plsql", "powerpoint", 
          "silverlight", "spss", "tableau", "xtools-pro", "mapinfo", "arc", "oracle", 
          "erdas", "esri", "fme", "microsoft", "-analyst")

创建基于标记向量计算的分类值的新列

tags$software <- ifelse(tags$tagName %in% foss, "FOSS", 
ifelse(grep(foss, tags$tagName, fixed = TRUE), "FOSS",
ifelse(tags$tagName %in% cots, "COTS", 
ifelse(grep(cots, tags$tagName, fixed = TRUE), "COTS", 
  "other"))))

当我运行代码时，会产生以下错误:参数'pattern‘的长度>1，并且只使用第一个元素

我相信这是一个很简单的问题，但我似乎不明白。

Answer 1

两件事。首先，您需要grepl()，因为它具有逻辑输出。其次，grepl()不适用于字符向量，因此您需要像这个"anaconda|android|..."那样折叠它，并省略fixed = TRUE才能工作。

这应该可以做到：

tags$software <- ifelse(tags$tagName %in% foss, "FOSS", 
                        ifelse(grepl(paste(foss, collapse = "|"), tags$tagName), "FOSS",
                               ifelse(tags$tagName %in% cots, "COTS", 
                                      ifelse(grepl(paste(cots, collapse = "|"), tags$tagName), "COTS", 
                                             "other"))))

Answer 2

用tidyverse

 tags<-data.frame(tagName=c("opengl","openglGHSAJKGNKS","arc","arc93257","asnsgn"))
 tags%>%
   mutate(software = case_when(
     tagName %in% foss ~ "FOSS",
     grepl(paste(foss,collapse="|"),tagName) ~ "FOSS",
     tagName %in% cots ~ "COTS",
     grepl(paste(cots,collapse="|"), tagName) ~ "COTS",
     T ~ "other"))

           tagName software
1           opengl     FOSS
2 openglGHSAJKGNKS     FOSS
3              arc     COTS
4         arc93257     COTS
5           asnsgn    other