如何从外部列表正确循环以在 dplyr 中使用内部 mutate

Question

我正在尝试修复部分循环函数

我创建了包含字符串和正则表达式的长列表（例如“ee”）。结构如下

ee

注意：我故意将正则表达式放在那里

我想取这个列表的每个元素，并在相当大的数据框中用“BB00”替换（小部分在下面，有用的列是“c”）

dput(df)
structure(list(a = c(1, 2, 3, 4, 6, 7, 8), b = c(2011, 2012, 2010, 1995, 1998, 2011, 2011), c = c("enemy ID9", "John potassium", "chloride misch", "malchloride", "retardfalling", "friendretard", "use to beID10")), row.names = c(NA, -7L), class = "data.frame")

所以我尝试创建一个函数，它接受一个列表，并通过将每个元素传递给 dplyr 的 mutate() 中的 gsub() 来循环，如下所示

library(tibble)
library(dplyr) library(tidytext) library(tidyr)


strpDetach<- function(x){
  for(j in x){
    df1=df %>% mutate(c = gsub(j, "BB00", c,ignore.case=TRUE))
    return(df1) }
  }

df2=strpDetach(ee)

dput(df2)
structure(list(a = c(1, 2, 3, 4, 6, 7, 8), b = c(2011, 2012, 2010, 1995, 1998, 2011, 2011), c = c("enemy ID9", "John potassium", "chloride misch", "malchloride", "retardfalling", "friendBB00", "use to beID10")), row.names = c(NA, -7L), class = "data.frame")

显然，只有列表中的第一个元素有效

用另一种方式修改函数（直接取列表的每个元素）如下：

strpDetach<- function(j){df %>% mutate(c = gsub(j, "BB00", c,ignore.case=TRUE))}
for( j in ee){
      for (i in 1:ncol(df)) { 
             c=df[,3]
              df1=strpDetach(j)
          }
  }

dput(df1)
structure(list(a = c(1, 2, 3, 4, 6, 7, 8), b = c(2011, 2012, 2010, 1995, 1998, 2011, 2011), c = c("enemy ID9", "John potassium", "chloride misch", "malBB000", "retardfalling", "friendretard", "use to beID10")), row.names = c(NA, -7L), class = "data.frame")

只有列表中的最后一个元素有效

我的问题是我在循环中哪里做错了？

非常感谢您阅读我的长文！！

预期的输出是：

dput(df1)
structure(list(a = c(1, 2, 3, 4, 6, 7, 8), b = c(2011, 2012, 2010, 1995, 1998, 2011, 2011), c = c("enemy BB000", "JohnBB000", "chloride misch", "malBB000", "retardfalling", "friendBB000", "use to beBB000")), row.names = c(NA, -7L), class = "data.frame")

Answer 1

这里，我们只需要一个循环而不是嵌套循环，因为 sub 中的 x 是矢量化的

ee <- c('ID\\d+$', 'potassium$', 'chloride$', 'retard$')
for(pat in ee) df$c <- sub(pat, "BB000", df$c)

由于替换在每个元素中发生一次，即在字符串的末尾 ($)，我们只需要 sub（gsub- 全局替换）。除此之外，更改的列会在每个循环中更新，以便在每次运行中更新

---

另外，由于问题是关于dplyr，我们可以更新每个for循环中的数据集

library(dplyr)
for(pat in ee) {

    df <- df %>%
             mutate(c = str_replace(c, pat, "BB000"))
  }

Answer 2

我们可以通过使用正则表达式符号| 转换为or 来完成此操作而无需r 样式循环。

我不知道您的正则表达式是否符合您的意思。 "retard+$" 表示 retard 带有一个或多个 d，然后是字符串的结尾。所以retarddddd 会匹配但retardfalling 不会匹配。

# combine all the regex checks by collapsing them into a single string with a pipe in-between.
ee2 <- paste0(ee,collapse = "|")
df4 <- df %>%
  mutate(c = stringr::str_replace_all(c,ee2,"BB00"))

#a    b              c
#1 2011      enemy ID9
#2 2012      John BB00
#3 2010 chloride misch
#4 1995        malBB00
#6 1998  retardfalling
#7 2011     friendBB00
#8 2011  use to beID10