根据另一行的值更改一行中的单元格值答案

【问题标题】：Changing cell values in a row conditioned on values of another row根据另一行的值更改一行中的单元格值
【发布时间】：2020-05-23 02:35:38
【问题描述】：

我正在尝试更改包含数千行的数据框，每行看起来都像以下变体之一：

table, th, td {
  border: 1px solid black
}

<table>
  <tr>
    <th> a </th>
    <th> b </th>
    <th> c </th>
  </tr>
  <tr>
    <td> $10 x and $7 y </td>
    <td> NA </td>
    <td> NA </td>
  </tr>
  <tr>
    <td> $70 a; $95 b </td>
    <td> NA </td>
    <td> NA </td>
  </tr>
  <tr>
    <td> $6 j </td>
    <td> NA </td>
    <td> NA </td>
  </tr>
</table>

并将其更改为：

table, th, td {
  border: 1px solid black
}

    <table>
      <tr>
        <th> a </th>
        <th> b </th>
        <th> c </th>
      </tr>
      <tr>
        <td> $10 x and $7 y </td>
        <td> $10 x </td>
        <td> $7 y </td>
      </tr>
      <tr>
        <td> $70 a; $95 b </td>
        <td> $70 a </td>
        <td> $95 b </td>
      </tr>
      <tr>
        <td> $6 j </td>
        <td> $6 j </td>
        <td> NA </td>
      </tr>
    </table>

这是我当前的代码来实现这一点（我使用美元符号的数量，因为这是确定交易数量的唯一一致值）：

（这是格式化为 data.table，以防万一）

  df$b[(str_count(df$a, pattern = "\\$") == 2)] = unlist(strsplit(df$a, " and "))[1]
  df$c[(str_count(df$a, pattern = "\\$") == 2)] = unlist(strsplit(df$a, " and "))[2]
  df$b[str_count(df$a, pattern = "\\$") < 2] = df$a

现在，我得到的不是预期的结果：

table, th, td {
  border: 1px solid black
}

<table>
  <tr>
    <th> a </th>
    <th> b </th>
    <th> c </th>
  </tr>
  <tr>
    <td> $10 x and $7 y </td>
    <td> $10 x </td>
    <td> $7 y </td>
  </tr>
  <tr>
    <td> $70 a; $95 b </td>
    <td> $10 x</td>
    <td> $7 y</td>
  </tr>
  <tr>
    <td> $6 j </td>
    <td> $6 j </td>
    <td> NA </td>
  </tr>
</table>

有谁知道如何解决这个问题？我认为这与strsplit() 将第一个子集行并将其应用于子集中的每一行这一事实有关，但我不知道如何更改它以使其正常工作。

【问题讨论】：

标签： r data.table strsplit

【解决方案1】：

不要尝试编写代码来解析 HTML，只需调用 HTML 解析器：

library(rvest)
library(tidyverse)

stage1 <- 
  "<table>
  <tr>
    <th> a </th>
    <th> b </th>
    <th> c </th>
  </tr>
  <tr>
    <td> $10 x and $7 y </td>
    <td> NA </td>
    <td> NA </td>
  </tr>
  <tr>
    <td> $70 a; $95 b </td>
    <td> NA </td>
    <td> NA </td>
  </tr>
  <tr>
    <td> $6 j </td>
    <td> NA </td>
    <td> NA </td>
  </tr>
</table>" %>% 
  rvest::minimal_html() %>% 
  rvest::html_node("table") %>% 
  rvest::html_table() %>% 
  as_tibble()

stage1

# A tibble: 3 x 3
  a              b     c    
  <chr>          <lgl> <lgl>
1 $10 x and $7 y NA    NA   
2 $70 a; $95 b   NA    NA   
3 $6 j           NA    NA

现在使用separate 和正则表达式清理stage1

stage1 %>% 
  select(a) %>% 
  separate(col = "a", into = c("b", "c"), 
           sep = "(?ix) \\s* (and|;) \\s*",   # Perl stye regex, cases insensitive.
           remove = FALSE, 
           fill= "right")


  a              b     c    
  <chr>          <chr> <chr>
1 $10 x and $7 y $10 x $7 y 
2 $70 a; $95 b   $70 a $95 b
3 $6 j           $6 j  NA

【讨论】：

抱歉回复晚了 - 感谢您的出色解决方案！我认为，我必须在正则表达式方面做得更好！
很多关于正则表达式的好材料。在当前上下文中，请查看 r4ds.had.co.nz/… 尽管他没有涉及 Perl 样式或前瞻/后视。但它的可读性很好，练习值得练习。

【解决方案2】：

你可以从stringr使用str_split_fixed

stringr::str_split_fixed(df$a, '\\s*(;|and)\\s*', 2)

#       [,1]    [,2]   
#[1,] "$10 x" "$7 y" 
#[2,] "$70 a" "$95 b"
#[3,] "$6 j"  ""

【讨论】：