R Data.table 组合与 for 循环功能的优化

Question

我有一个包含列“agency_lookup”的“Agency_Reference”表，其中包含 200 个字符串条目，如下所示：

1. 阿尔法
2. 测试版
3. 伽马等..

我有一个包含一百万行的数据框“TEST”，其中包含一个“Campaign”列，其中包含以下条目：

1. Alpha_xt2010
2. alpha_xt2014
3. Beta_xt2016 等。

我想遍历参考表中的每个条目，并查找每个活动列条目中存在的字符串，并在表中创建一个新的机构标识符列变量。

我当前的代码如下，执行起来很慢。请求有关如何优化的指导。我想学习如何以 data.table 的方式进行操作

 Agency_Reference <- data.frame(agency_lookup = c('alpha','beta','gamma','delta','zeta'))
 TEST <- data.frame(Campaign = c('alpha_xt123','ALPHA345','Beta_xyz_34','BETa_testing','code_delta_'))
 TEST$agency_identifier <- 0
 for (agency_lookup in  as.vector(Agency_Reference$agency_lookup)) {
 TEST$Agency_identifier <- ifelse(grepl(tolower(agency_lookup), tolower(TEST$Campaign)),agency_lookup,TEST$Agency_identifier)}

预期输出：

广告系列----Agency_identifier

alpha_xt123---alpha

ALPHA34----阿尔法

Beta_xyz_34----beta

BETa_testing----beta

code_delta_-----delta

Answer 1

试试

TEST <- data.frame(Campaign = c('alpha_xt123','ALPHA345','Beta_xyz_34','BETa_testing','code_delta_'))

pattern = tolower(c('alpha','Beta','gamma','delta','zeta'))

TEST$agency_identifier <- sub(pattern = paste0('.*(', paste(pattern, collapse = '|'), ').*'),
                              replacement = '\\1',
                              x = tolower(TEST$Campaign))

Answer 2

这本身不会回答您的问题，但据我了解，您想剖析Campaign 列并使用它提供的值做一些事情。

看看Tidy data，更具体地说是“多个变量存储在一列中”部分。我认为使用tidyr::separate 会取得很大的进步。这样你就不必使用for-loop。