Créer une nouvelle colonne dans dataframe basé sur une partie de la chaîne correspondant à d'autres de la colonne

J'ai un dataframe avec 2 colonnes GL et GLDESC et souhaitez ajouter une 3ème colonne appelée KIND basés sur les données qui est à l'intérieur de la colonne GLDESC.

Le dataframe est comme suit:

      GL                             GLDESC
1 515100         Payroll-Indir Salary Labor
2 515900 Payroll-Indir Compensated Absences
3 532300                           Bulk Gas
4 539991                     Area Charge In
5 551000        Repairs & Maint-Spare Parts
6 551100                 Supplies-Operating
7 551300                        Consumables

Pour chaque ligne de la table de données:

  • Si GLDESC contient le mot Payroll n'importe où dans la chaîne alors je veux KIND être Payroll
  • Si GLDESC contient le mot Gas n'importe où dans la chaîne alors je veux KIND être Materials
  • Dans tous les autres cas, je veux KIND être Other

J'ai cherché des exemples similaires sur stackoverflow, mais ne pouvait pas trouver une, aussi regardé dans R pour les nuls sur l'interrupteur, grep, d'appliquer et d'expressions régulières pour essayer et correspondre à une partie seulement de la GLDESC colonne, puis remplir le KIND colonne avec le type de compte mais a été incapable de le faire fonctionner.

OriginalL'auteur user2948714 | 2013-11-02

  1. 18

    Puisque vous avez seulement deux conditions, vous pouvez utiliser un imbriquée ifelse:

    #random data; it wasn't easy to copy-paste yours  
DF <- data.frame(GL = sample(10), GLDESC = paste(sample(letters, 10), 
  c("gas", "payroll12", "GaSer", "asdf", "qweaa", "PayROll-12", 
     "asdfg", "GAS--2", "fghfgh", "qweee"), sample(letters, 10), sep = " "))

DF$KIND <- ifelse(grepl("gas", DF$GLDESC, ignore.case = T), "Materials", 
         ifelse(grepl("payroll", DF$GLDESC, ignore.case = T), "Payroll", "Other"))

DF
#   GL         GLDESC      KIND
#1   8        e gas l Materials
#2   1  c payroll12 y   Payroll
#3  10      m GaSer v Materials
#4   6       t asdf n     Other
#5   2      w qweaa t     Other
#6   4 r PayROll-12 q   Payroll
#7   9      n asdfg a     Other
#8   5     d GAS--2 w Materials
#9   7     s fghfgh e     Other
#10  3      g qweee k     Other

    MODIFIER 10/3/2016 (..après avoir reçu plus d'attention que prévu)

    Une solution possible pour faire face avec plus de motifs pourrait être pour itérer sur tous les modèles et, à chaque match, de réduire progressivement le nombre de comparaisons:

    ff = function(x, patterns, replacements = patterns, fill = NA, ...)
{
    stopifnot(length(patterns) == length(replacements))

    ans = rep_len(as.character(fill), length(x))    
    empty = seq_along(x)

    for(i in seq_along(patterns)) {
        greps = grepl(patterns[[i]], x[empty], ...)
        ans[empty[greps]] = replacements[[i]]  
        empty = empty[!greps]
    }

    return(ans)
}

ff(DF$GLDESC, c("gas", "payroll"), c("Materials", "Payroll"), "Other", ignore.case = TRUE)
# [1] "Materials" "Payroll"   "Materials" "Other"     "Other"     "Payroll"   "Other"     "Materials" "Other"     "Other"

ff(c("pat1a pat2", "pat1a pat1b", "pat3", "pat4"), 
   c("pat1a|pat1b", "pat2", "pat3"), 
   c("1", "2", "3"), fill = "empty")
#[1] "1"     "1"     "3"     "empty"

ff(c("pat1a pat2", "pat1a pat1b", "pat3", "pat4"), 
   c("pat2", "pat1a|pat1b", "pat3"), 
   c("2", "1", "3"), fill = "empty")
#[1] "2"     "1"     "3"     "empty"
    Merci!!!!, c'est exactement ce dont j'avais besoin, D
    Vous êtes les bienvenus. 🙂
    Salut! Merci pour le partage de cette expression, il est très utile. Si nous devions définir une deuxième variable autres que kind je.e je veux une autre chaîne labor être remplacé par xyz dans une nouvelle variable new puis nous avons à exécuter les regex individuellement pour chaque nouvelle variable. Aussi vous ne définissez pas kind dans la dernière itératif de la fonction. Merci!
    Tu veux dire quelque chose comme DF$new = ff(DF$GLDESC, "labor", "xyz", "Other", ignore.case = TRUE)? La fonction (ff) à la fin, est le plus général et de son résultat peut être utilisé pour attribuer retour à la "des données.cadre" comme une deuxième étape. Ou ai-je raté votre point de vue?

    OriginalL'auteur alexis_laz