（R 或 EXCEL）将一列中的变量重命名为另一列中的变量答案

【问题标题】：(R or EXCEL) Rename variables in a column to the variables in another column（R 或 EXCEL）将一列中的变量重命名为另一列中的变量
【发布时间】：2021-06-22 16:14:43
【问题描述】：

我是 R 的初学者，正在寻求 Excel 或 R 方面的帮助。

我有一个包含两列（所有文本）的 Excel 表。

Column1 有大约 100,000 行，是一个冗长名称的列表。
Column2 大约有 500 行，是一个缩短名称的列表。

要求：如果Column1中的单元格包含Column2中的任何文本字符串，我需要将Column1中的单元格重命名为Column2中的字符串。 Column2 中的所有字符串都是唯一的，因此不应存在重叠问题。

我无法在 Excel 中计算出来，因为单元格不完全匹配，而且 Excel 的近似匹配太不准确而无法使用。我考虑在 R 中这样做，但列的行数不同，这让我很困惑。非常感谢任何可能的帮助。如果我应该包含更多/其他详细信息，请告诉我。谢谢！

这是 R 中的格式示例（由于行数不同，列是单独的 dfs 除外）

Column1 <- data.frame(Full_Name = c("Geico Auto Insurance",
                  "Geico Motorcycle Insurance",
                  "Geico Commercial Auto Insurance",
                  "State Farm Car Insurance",
                  "State Farm Life Insurance"))
Column2 <- data.frame(Group_Name = c("Geico ",
                                 "State Farm",
                                 "Allstate"))

更多：what the example looks like in excel

【问题讨论】：

嗨，Panon，只是在考虑逻辑。 “Geico State Farm”将映射到什么？也许是“Geico”，因为从左到右工作，这是它找到的第一个？

标签： r excel

【解决方案1】：

我们可以创建一个正则表达式来捕获来自 'Column2' 'Group_Name' 的单词

library(dplyr)
library(stringr)
Column1 %>% 
   mutate(New_Name = str_replace(Full_Name, 
     str_c(".*(", str_c(Column2$Group_Name, collapse="|"),  ").*"), "\\1"))

-输出

                         Full_Name   New_Name
1            Geico Auto Insurance     Geico 
2      Geico Motorcycle Insurance     Geico 
3 Geico Commercial Auto Insurance     Geico 
4        State Farm Car Insurance State Farm
5       State Farm Life Insurance State Farm

【讨论】：

【解决方案2】：

库（dplyr）库（字符串）

您可以分几个步骤完成：

为第 2 列创建一个向量

short_name_vct

创建函数

get_match <- function(string) {


str_detect(stringr, short_name_vct)[short_name_vct]

}

那么就用dplyr

df %>% mutate(new_col = get_match(full_name))

【讨论】：

【解决方案3】：

fuzzyjoin::regex_left_join(Column1, Column2, by = c("Full_Name" = "Group_Name"))
#                         Full_Name Group_Name
# 1            Geico Auto Insurance     Geico 
# 2      Geico Motorcycle Insurance     Geico 
# 3 Geico Commercial Auto Insurance     Geico 
# 4        State Farm Car Insurance State Farm
# 5       State Farm Life Insurance State Farm

从这里，您可以重命名Group_Name 并改用它。您会发现NAs 没有正则表达式匹配，因此您可能希望使用dplyr::coalesce 或类似函数来使用第一个非NA 值。

【讨论】：