如何使用 case_when 和 grep 一起定义一个新变量答案

【问题标题】：how to use case_when and grep together to define a new varaible如何使用 case_when 和 grep 一起定义一个新变量
【发布时间】：2020-12-22 01:00:29
【问题描述】：

我有一个看起来像这样的数据，

可以使用代码构建：

df<-structure(list(Gender = c("M", "F", "M", "F", "F"), Location = c("Cleveland, OH", 
"New Olreans, LA", "Chicago, IL", "Strongsville, OH", "Boston, MA"
)), row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"
))

我想建立变量“评论”如下：

规则是：如果 Gender=="F" 并且我们在 Location 中找到“OH”，则注释 ="Female in OH" 如果 Gender=="F" 并且我们在 Location 中找不到“OH”，则评论 ="Female in Other" 如果 Gender=="M" 并且我们在 Location 中找到“OH”，则评论 ="Male in OH" 如果 Gender=="M" 并且我们在 Location 中找不到“OH”，则评论 ="Male in Other"

所以我的代码是

 df<-df %>% 
     mutate(Comment = case_when(Gender=="F" & grep("OH", df$Location)~"Female in OH",
                            Gender=="F" & !grep("OH", df$Location)~ "Female in Other",                        
                            Gender=="M" & grep("OH", df$Location2)~ "Male in OH",
                            Gender=="M" & !grep("OH", df$Location)~ "Male in other)",
                            TRUE~NA))

这行不通。谁能给我一些指导？

【问题讨论】：

使用grepl 而不是grep。前者将根据需要返回一个布尔值，后者返回匹配项的索引，这不是您所期望的。
我试过grepl 仍然得到错误代码Error: must be a character vector, not a logical vector
另外三件事：（1）不要在mutate中使用df$，这几乎肯定是错误的； (2) 将你上次的NA 改为NA_character_； (3) 将您的错字Location2 更改为Location。通过这三个更改，它对我有用。（顺便说一句：“它不起作用” 根本没有帮助。如果您在问题中包含文字错误文本，它通常会帮助更多。）
您的最后一个TRUE~... 不是必需的，因为如果没有匹配项，case_when 的默认操作是分配NA 的特定于类的版本。（你知道NA至少有七种类型吗？）
谢谢。我输入TRUE~ 以防万一我错过了其他任何内容。

标签： r case-when

【解决方案1】：

我认为这可以稍微简化一下，而不是检查所有可能的条件。

vec <- c('M' = 'Male', 'F' = 'Female')

transform(df, Comment = paste(vec[Gender], 
                       ifelse(grepl('OH', Location), 'in OH', 'in Other')))

#  Gender Location         Comment        
#  <chr>  <chr>            <chr>          
#1 M      Cleveland, OH    Male in OH     
#2 F      New Olreans, LA  Female in Other
#3 M      Chicago, IL      Male in other  
#4 F      Strongsville, OH Female in OH   
#5 F      Boston, MA       Female in Other

【讨论】：

【解决方案2】：

使用 grepl 而不是 grep 来获取布尔 TRUE/FALSE 值而不是索引。例如（以及修复其他错别字）

df %>% 
     mutate(Comment = case_when(Gender=="F" & grepl("OH", Location)~"Female in OH",
                            Gender=="F" & !grepl("OH", Location)~ "Female in Other",                        
                            Gender=="M" & grepl("OH", Location)~ "Male in OH",
                            Gender=="M" & !grepl("OH", Location)~ "Male in other"))

我删除了 NA 部分，因为您涵盖了所有情况，并且 NA 是没有其他匹配项时的默认值。但是，如果您明确需要它，那么您应该使用 NA 的类型化版本作为字符。

df %>% 
  mutate(Comment = case_when(Gender=="F" & grepl("OH", Location)~"Female in OH",
                             Gender=="F" & !grepl("OH", Location)~ "Female in Other",                        
                             Gender=="M" & grepl("OH", Location)~ "Male in OH",
                             Gender=="M" & !grepl("OH", Location)~ "Male in other",
                             TRUE~NA_character_))

【讨论】：

没有匹配项的默认操作是分配一个NA，因此添加主要是声明性的和“完整的”，它产生的结果与没有它的结果相同。
@r2evans 很高兴知道。我应该测试一下。
在我测试之前我也不确定：-)

【解决方案3】：

这实际上只是@Ronak Shah 答案的一个变体。
使用str_extract 和"OH" 发现状态缩写，因为焦点状态是参数化的。

gender_vec <- c('M' = 'Male', 'F' = 'Female')
state_map <- function(s, target = "OH") if_else(s == target, s, "Other")

df %>%
  mutate(Comment = str_c(recode(Gender, !!!gender_vec), "in", 
                         state_map(str_extract(Location, "(\\w{2})$")), 
                         sep = " "))

【讨论】：