如何在dplyr Select in R中使用substr

Question

我有一个数据帧，需要从中选择几列。但是对于一列，我只需要数据的一部分。

> df <- data.frame(doc_name = c('AXX_1324', 'BXX_3423', 'AXX_2343', 'BXX_3453', 'AXX_9872','AXX_9876'),
+                  Branch = c('AMM','GGM','AMM','CBB','GGM','GGM'),
+                  Revenue = rnorm(6,50,5))
> df
  doc_name Branch  Revenue
1 AXX_1324    AMM 55.95013
2 BXX_3423    GGM 43.63848
3 AXX_2343    AMM 47.31363
4 BXX_3453    CBB 47.59680
5 AXX_9872    GGM 46.94639
6 AXX_9876    GGM 45.28648
> df %>% select(doctype = substr(df$doc_name,1,3),Revenue)
Error: Unknown columns `AXX`, `BXX`, `AXX`, `BXX`, `AXX` and `AXX` 
Call `rlang::last_error()` to see a backtrace
> 

预期输出：

doctype   Revenue
AXX       55.95013
BXX       43.63848
AXX       47.31363
BXX       47.59680
AXX       46.94639
AXX       45.28648

我也尝试了"substring“而不是substr，但得到了相同的错误。有人能告诉我怎么做吗？

Answer 1

使用mutate更改列值，使用select选择列

library(dplyr)
df %>%
  mutate(doctype = substr(doc_name,1,3)) %>%
  select(doctype, Revenue)

#  doctype  Revenue
#1     AXX 54.25022
#2     BXX 45.37344
#3     AXX 54.46791
#4     BXX 45.29495
#5     AXX 52.69476
#6     AXX 49.09013

正如@hendrikvanb提到的，我们也可以在这里使用transmute：

df %>% transmute(doctype = substr(doc_name,1,3), Revenue)

Answer 2

我们可以使用separate

library(tidyr)
library(dplyr)
df %>% 
   separate(doc_name, into = c('doctype', 'other')) %>% 
   select(doctype, Revenue)
#  doctype  Revenue
#1     AXX 50.77699
#2     BXX 47.04387
#3     AXX 39.87008
#4     BXX 54.13617
#5     AXX 46.59901
#6     AXX 34.37392

或者使用str_remove，以防长度不同

library(stringr)
df %>% 
    transmute(doctype = str_remove(doc_name, "_.*"), Revenue)