Chaîne d'animaux partielle correspondant à R

J'ai un dataframe,

d<-data.frame(name=c("brown cat", "blue cat", "big lion", "tall tiger",
                     "black panther", "short cat", "red bird",
                     "short bird stuffed", "big eagle", "bad sparrow",
                     "dog fish", "head dog", "brown yorkie",
                     "lab short bulldog"), label=1:14)

J'aimerais à la recherche de la name colonne et si les mots
le "chat", "lion", "tiger", et "panther" apparaissent, je veux attribuer la chaîne de caractères feline à une nouvelle colonne et de la ligne correspondante species.

Si les mots "bird", "eagle", and "sparrow" apparaissent, je veux attribuer la chaîne de caractères avian à une nouvelle colonne et de la ligne correspondante species.

Si les mots "chien", "yorkie", et "bulldog" apparaissent, je veux attribuer la chaîne de caractères canine à une nouvelle colonne et de la ligne correspondante species.

Idéalement, j'aimerais cela stocker dans une liste ou quelque chose de similaire que je peux garder au début du script, parce que de nouvelles variantes de l'espèce apparaître dans le nom de la catégorie, il serait agréable d'avoir un accès facile à mettre à jour ce qui est considéré comme un felineavianet canine.

Cette question est presque la réponse ici (Comment créer une nouvelle colonne dans dataframe basé sur une partie de la chaîne correspondant à d'autres de la colonne dans la R), mais il n'a pas d'adresse le nom multiple de torsion qui est présent dans ce problème.

source d'informationauteur testname123

  1. 26

    Il y a peut être une solution plus élégante que cela, mais vous pouvez utiliser grep avec | pour spécifier d'autres matchs.

    d[grep("cat|lion|tiger|panther", d$name), "species"] <- "feline"
d[grep("bird|eagle|sparrow", d$name), "species"] <- "avian"
d[grep("dog|yorkie", d$name), "species"] <- "canine"

    J'ai supposé que tu voulais dire "aviaire", et à gauche "bulldog", car il contient du "chien".

    Vous voudrez peut-être ajouter ignore.case = TRUE de la commande grep.

    de sortie:

    #                 name label species
#1           brown cat     1  feline
#2            blue cat     2  feline
#3            big lion     3  feline
#4          tall tiger     4  feline
#5       black panther     5  feline
#6           short cat     6  feline
#7            red bird     7   avian
#8  short bird stuffed     8   avian
#9           big eagle     9   avian
#10        bad sparrow    10   avian
#11           dog fish    11  canine
#12           head dog    12  canine
#13       brown yorkie    13  canine
#14  lab short bulldog    14  canine
  2. 2

    Un élégant-ish façon de le faire (je dis élégant-ish, car, alors que c'est la façon la plus élégante, je sais, ce n'est pas grand) quelque chose comme:

    #Define the regexes at the beginning of the code
regexes <- list(c("(cat|lion|tiger|panther)","feline"),
                c("(bird|eagle|sparrow)","avian"),
                c("(dog|yorkie|bulldog)","canine"))

....


#Create a vector, the same length as the df
output_vector <- character(nrow(d))

#For each regex..
for(i in seq_along(regexes)){

    #Grep through d$name, and when you find matches, insert the relevant 'tag' into
    #The output vector
    output_vector[grepl(x = d$name, pattern = regexes[[i]][1])] <- regexes[[i]][2]

} 

#Insert that now-filled output vector into the dataframe
d$species <- output_vector

    L'avantage de cette méthode sont plusieurs fois

    1. Vous n'avez qu'à modifier la trame de données une fois dans l'ensemble du processus, ce qui augmente la vitesse de la boucle (data frames ne sont pas de modification sur place; pour modifier un bloc de données 3 fois, vous êtes essentiellement de réétiquetage et de recréer 3 fois).
    2. En spécifiant la longueur du vecteur à l'avance, car nous savons que ça va être, vous augmentez la vitesse encore plus en s'assurant que le vecteur de sortie n'a pas besoin de plus de mémoire alloué fois qu'il est créé.
    3. Parce que c'est une boucle, plutôt que de répéter, manuel d'appels, l'ajout de plusieurs lignes et les catégories de la "regexes' objet ne sera pas exiger une nouvelle modification du code. Ça va fonctionner comme elle le fait maintenant.

    Le seul inconvénient - et cela s'applique, je pense, la plupart des solutions, vous êtes susceptible d'obtenir, c'est que si quelque chose correspond à de nombreux modèles, le dernier modèle dans la liste, il matches de son "espèce" tag.