R，带有 ifelse 和 grepl 函数的 for 循环没有给出预期的结果

Question

我正在尝试使用 my_list 和数据框 (df) 查找匹配的字符串，并且取决于 TRUE/FALSE，我需要使用匹配列表中的第一个字符串填充 df 中的 new_name 列 (my_list[[i]][1])如果为 TRUE ，则​​为“cat”列值，如果不匹配。

我的数据框如下：

name <- c("NETFLIX.COM", "BlueTV", "smv", "trafi", "alkatel")
cat<- c("none", "none", "none", "transportation", "communication")
df<-data.frame(name, cat)

我的清单：

travel<- c("travel","air_com", "AIRCAT", "tivago")
leasure<- c("leasure","MTV", "NETFLIX.COM")
my_list<- list(travel, leasure)

我的 ifelse 和 grepl for 循环如下：

for (j in 1:nrow(df)) {
      for (i in 1:length(my_list)) {
        df[j, "new_name"]<- ifelse( 
        grepl(paste(my_list[[i]], collapse="|"), tolower(df[j, "name"])),
          my_list[[i]][1], 
          df[j, "cat"])

预期输出是：

df["new_name"]<- c("leasure", "none", "none", "transportation", "communication")
df

name            cat       new_name
1 NETFLIX.COM           none        leasure
2      BlueTV           none           none
3         smv           none           none
4       trafi transportation transportation
5     alkatel  communication  communication

目前，通过我编写的 for 循环，我获得了“cat”列的精确副本，这意味着所有情况在 ifelse 函数中都被视为不匹配 (FALSE)。我注意到这里出了什么问题...... 任何帮助将不胜感激！

Answer 1

在这种情况下使用ifelse() 没有意义：它用于矢量化选择。但是，如果您的模式匹配正确，您的代码就会起作用。不幸的是，对于j == 1 和i == 2（当您期望匹配时），您的模式是

"leasure|MTV|NETFLIX.COM"

并且您正在尝试将其与tolower(df[j, "name"]) 匹配，即

"netflix.com"

您应该将两个字符串都映射为小写，或者在grepl() 调用中设置ignore.case = TRUE。例如，

name <- c("NETFLIX.COM", "BlueTV", "smv", "trafi", "alkatel")
cat<- c("none", "none", "none", "transportation", "communication")
df<-data.frame(name, cat)

travel<- c("travel","air_com", "AIRCAT", "tivago")
leasure<- c("leasure","MTV", "NETFLIX.COM")
my_list<- list(travel, leasure)

for (j in 1:nrow(df)) {
  for (i in 1:length(my_list)) {
    df[j, "new_name"] <- 
      if( grepl(paste(my_list[[i]], collapse="|"), df[j, "name"],
            ignore.case = TRUE))
        my_list[[i]][1] 
      else df[j, "cat"]
  }
}
df
#>          name            cat       new_name
#> 1 NETFLIX.COM           none        leasure
#> 2      BlueTV           none           none
#> 3         smv           none           none
#> 4       trafi transportation transportation
#> 5     alkatel  communication  communication

^{由reprex package (v2.0.0) 于 2021-08-10 创建}

一般来说，使用模式匹配来查找字符串是否在列表中是很棘手的；要非常小心，my_list 中的字符串永远不会包含grepl() 在正则表达式中视为特殊的任何字符。对于您的示例，您将获得与 grepl() 使用测试给出的相同结果

tolower(df[j, "name"]) %in% tolower(my_list[[i]])

但并非所有可能的 name 值都是如此：grepl() 代码将允许部分匹配（例如，df[i, "name"] 等于 "netflix.com in a long string"）而 %in% 不允许。

Answer 2

这是使用stringr::str_replace_all 的一种方式-

travel<- c("travel","air_com", "AIRCAT", "tivago")
leasure<- c("leasure","MTV", "NETFLIX.COM")
#Create a named list
my_list<- dplyr::lst(travel, leasure)


result <- stringr::str_replace_all(df$name, setNames(names(my_list), 
          sapply(my_list, paste0, collapse = '|')))

#If the result is same as original value keep the previous cat.
df$new_name <- ifelse(result == df$name, df$cat, result)
df

#         name            cat       new_name
#1 NETFLIX.COM           none        leasure
#2      BlueTV           none           none
#3         smv           none           none
#4       trafi transportation transportation
#5     alkatel  communication  communication

这里重要的部分是这段代码-

setNames(names(my_list), sapply(my_list, paste0, collapse = '|'))

#travel|air_com|AIRCAT|tivago      leasure|MTV|NETFLIX.COM 
#                    "travel"                    "leasure" 

这意味着无论何时在字符串中遇到模式travel|air_com|AIRCAT|tivago，它都会返回"travel" 作为输出，"leasure" 也是如此。