Grepl 匹配多个条件，包括 'and' 和 'or' 条件

Question

我的数据框如下

df <- data.frame(c("Utility grid", "Grid connection", "Grid", "", "", "Dry-cell-torch", "Solar", ""), c("solar", "", "", "", "", "", "Dry-cell-torch", ""), c("", "fan", "TV", "", "Utility grid connection", "", "", "Unreachable"), c("", "radio", "", "", "", "", "", "")) 
colnames(df) <- c(paste("de_", 1:4, sep=""))

我想在此数据框中添加第 5 列“de”，条件如下 -

• 条件1.如果所有行都为空如第4行，“de”应为0。

• 条件 2。如果 4 行中只有一个非空白，并且该值要么是“包含”“网格”而不区分大小写，要么是“无法访问”，或者是“干电池火炬” "，那么 "de" 应该是 0。

• 条件3。否则“de”应为1

所需的“de”应该是

df$de <- (c(1, 1, 1, 0, 0, 0, 1, 0))

请注意我的原始数据框是 600 行和 45 列。我只是在这里放一个子集，但这个子集说明了我想要完成的详尽条件。

所以我使用 grepl 尝试了以下正则表达式（改编自你们中的一个在 stackoverflow 上给出的解决方案，在一个不同但类似的问题中）-

df$de <- (!grepl("grid|Unreachable|Dry-cell-torch|^$", 
                  apply(df,1,paste, collapse=""), ignore.case=TRUE))+0L

这有效，除非在第 1 行中说，在 1 列中我有“公用事业网格”，而在第二列中我有“太阳能”，它给我 de 为 0 而我需要 1。我理解问题 - 如果存在网格、无法访问等之一，则应与同一行中所有其他单元格的“和”条件相结合，但我无法弄清楚如何实现这一点

感谢您的帮助！

Answer 1

考虑明确拆分条件：

f <- function(x) {
  if ( all(x == '') ) 0
  else if ( sum(x != '') == 1 ) {
    if ( grepl('grid', tolower(x[x != ''])) |
         (x[x != ''] %in% c('Unreachable', 'Dry-cell-torch')) ) 0
    else 1
  } 
  else 1
}

然后使用 apply apply(df, 1, f)

我好像得到了你想要的向量：

> apply(df, 1, f)
[1] 1 1 1 0 0 0 1 0

更新：

另一个参数可用于索引 f 中所需的特定列。请注意，这不是一个可靠的实现——设置错误的列会破坏它。

f <- function(x, columns) {

  y <- x[columns]

  if ( all(y == '') ) 0
  else if ( sum(y != '') == 1 ) {
    if ( grepl('grid', tolower(y[y != ''])) |
         (y[y != ''] %in% c('Unreachable', 'Dry-cell-torch')) ) 0
    else 1
  } 
  else 1
}

然后使用 apply apply(df, 1, f, columns = 1:4)。只需将 1:4 替换为您想要的列即可。

更新 2：

不确定我是否完全理解您的最新评论，但如果您想考虑多个“特殊”单元格，您可以考虑以下结构（尽管我不确定它是否会比它更“优雅”你已经尝试过）：

f <- function(x, columns) {

  y <- x[columns]

  n.not.blank <- sum( y != '' )
  special <- c('Unreachable', 'Dry-cell-torch')
  n.special <- sum( grepl('grid', tolower(y)) | (y %in% special) )

  if (n.not.blank == 0) 0
  else if (n.not.blank == n.special) 0
  else 1

}

然后像以前一样使用 apply。

Answer 2

这应该可行。我将默认值设置为 1，然后如果只有空格，或者除了一个之外只有空格，并且这个特殊值适合您的正则表达式，则将该值设置为零。

df <- data.frame(c("Utility grid", "Grid connection", "Grid", "", "", "Dry-cell-torch", "Solar", ""), c("solar", "", "", "", "", "", "Dry-cell-torch", ""), c("", "fan", "TV", "", "Utility grid connection", "", "", "Unreachable"), c("", "radio", "", "", "", "", "", "")) 
colnames(df) <- c(paste("de_", 1:4, sep=""))
df$de <- 1 # default value
blank_rows <- apply(df,1,function(row){sum(row == "")==ncol(df)-1})
regex_rows <- apply(df,1,function(row){sum(row == "")==ncol(df)-2 & any(grepl("grid|Unreachable|Dry-cell-torch|^$", row,ignore.case = TRUE))})
df$de[blank_rows | regex_rows] <- 0

# de_1           de_2                    de_3  de_4 de
# 1    Utility grid          solar                                1
# 2 Grid connection                                    fan radio  1
# 3            Grid                                     TV        1
# 4                                                               0
# 5                                Utility grid connection        0
# 6  Dry-cell-torch                                               0
# 7           Solar Dry-cell-torch                                1
# 8                                            Unreachable        0