使用 dplyr 对列中的术语进行 grepping 分组答案

【问题标题】：Group by grepping for terms in a column with dplyr使用 dplyr 对列中的术语进行 grepping 分组
【发布时间】：2017-05-21 02:17:08
【问题描述】：

我有一个如下的数据框：

Symptom                                          number        

Abdominal pain\n Swallowing probs\n Back issues\n       22
Abdominal pain\n                                        12
Back issues \n Vomiting \n                                 14
Back issues\n                                            5

每个症状短语的末尾总是有一个\n。症状短语本身可以是任何字面意思，所以我不想专门搜索这些术语，而是在\n987654323@

之前（或之间）的任何术语

我想对每种症状的 number 进行平均，这样我最终得到：

Symptom                       Avg
Abdominal pain                 17
Swallowing probs               22
Back issues                    20.5
Vomiting                       14

我不知道如何使用 dplyr 按单个术语进行分组。我试过了

SypmAvg<- df %>% group_by(grepl("(?\\n.*\\n)|($.*?\\n)",df$Symptom)%>% summarise(mean=mean(number)

但它只会让我的电脑崩溃，所以我什至看不到错误。任何人都可以帮忙吗？这只是一个正则表达式问题还是有更好的方法来做到这一点？

【问题讨论】：

标签： r regex dplyr

【解决方案1】：

library(dplyr)
df1 = df %>% group_by(id) %>% mutate(new_col = strsplit(Symptom, "\n")) %>% unnest()

df1 %>% group_by(trimws(new_col)) %>% summarise( ans = mean(number))

# new_col   ans
# 1   Abdominal pain 17.00000
# 2      Back issues 13.66667
# 3 Swallowing probs 22.00000
# 4         Vomiting 14.00000

【讨论】：

@SebastianZeki 号码与过往问题不匹配...您的号码正确吗？

【解决方案2】：

我们可以使用cSplit

library(splitstackshape)
cSplit(df, "Symptom", "\\n", "long")[, .(Avg = mean(number)), .(Symptom)]

【讨论】：

谢谢。是否有可能只是在拆分的后半段完成平均。我的数字似乎没有加起来
啊哈。我认为这是因为 NA 的。我想我只需要输入 na.rm=T