如何从包含简短注释的列中提取字符串？ [关闭]答案

【问题标题】：How to extract a string from a column that contains short comments? [closed]如何从包含简短注释的列中提取字符串？ [关闭]
【发布时间】：2021-04-11 04:24:28
【问题描述】：

我正在尝试编写一个代码，该代码允许我通过执行以下操作对包含来自调查的短 cmets 的数据集中的列进行重新分类：

如果评论为空/NA/空白，则分配“NO_COMMENT”
如果短评论有“过时”一词（小写、大写或任意组合），则指定“过时”
任何其他评论将保持原样

例如：如果我有桌子

NAME	COMMENT
Jean	"This website seems a bit outdated for me"
Dela	"I didnt like it"
Nate	NA
Josh	"Very outdated"

那么我会期待这样的事情：

NAME	CATEGORY
Jean	OUTDATED
Dela	"I didnt like it"
Nate	NO_COMMENT
Josh	OUTDATED

是否有图书馆和文档可以做到这一点？

【问题讨论】：

标签： r regex string

【解决方案1】：

您可以在嵌套的ifelse() 内使用grepl() 和tolower() 函数，

df$COMMENT <- ifelse(grepl('outdated',tolower(df$COMMENT)),'OUTDATED',
                ifelse(is.na(df$COMMENT),'NO_COMMENT',df$COMMENT))

编辑：

感谢@RuiBarradas 的评论，

您也可以通过在其中添加 TRUE 参数来使用 grepl() 而不使用 tolower()，

df$COMMENT <- ifelse(grepl('outdated',df$COMMENT,TRUE),'OUTDATED',
                ifelse(is.na(df$COMMENT),'NO_COMMENT',df$COMMENT))

给予，

  NAME         COMMENT
1 Jean        OUTDATED
2 Dela I didnt like it
3 Nate      NO_COMMENT
4 Josh        OUTDATED

数据：

df <- data.frame(NAME=c("Jean","Dela","Nate","Josh"),
    COMMENT=c("This website seems a bit outdated for me",
        "I didnt like it",
        NA,
        "Very outdated"),stringsAsFactors=F)

【讨论】：

支持但grep 和grepl 有一个ignore.case 参数（默认为FALSE），不需要额外的函数调用tolower。
@RuiBarradas 嗯.. 我不知道那个论点。谢谢！

【解决方案2】：

tidyverse 管道语法

dplyr::case_when 有助于传递多个条件来改变列
如果在传递的字符串中找到给定的模式，stringr::str_detect 给出 TRUE 或 FALSE。
tolower 消除了在任何情况下（大写、小写或混合）在列中包含 outdated 字词的可能性

library(stringr)
library(dplyr)

df %>% mutate(COMMENT = case_when(str_detect(tolower(COMMENT), "outdated") ~ "OUTDATED",
                                  is.na(COMMENT) | COMMENT == "" ~ "NO_COMMENTS",
                                  TRUE ~ COMMENT))

  NAME         COMMENT
1 Jean        OUTDATED
2 Dela I didnt like it
3 Nate     NO_COMMENTS
4 Josh        OUTDATED

使用的数据

df <- structure(list(NAME = c("Jean", "Dela", "Nate", "Josh"), COMMENT = c("This website seems a bit OUTDATED for me", 
"I didnt like it", NA, "Very Outdated")), class = "data.frame", row.names = c(NA, 
-4L))

  NAME                                  COMMENT
1 Jean This website seems a bit OUTDATED for me
2 Dela                          I didnt like it
3 Nate                                     <NA>
4 Josh                            Very Outdated

【讨论】：

【解决方案3】：

您可以这样做，其中(?i)确保匹配区分大小写-i不区分大小写：

df$COMMENT <- ifelse(grepl("(?i)outdated",df$COMMENT), "OUTDATED",
                     ifelse(is.na(df$COMMENT), "NO COMMENT", df$COMMENT))

结果：

df
  NAME         COMMENT
1 Jean        OUTDATED
2 Dela I didnt like it
3 Nate      NO COMMENT
4 Josh        OUTDATED

【讨论】：