过滤器替换包含给定模式的字符串答案

【问题标题】：Filter Replace string that contains given pattern过滤器替换包含给定模式的字符串
【发布时间】：2018-03-20 11:05:00
【问题描述】：

我目前正在对数据集中的分类变量进行规范化。

我必须将汽车的变速箱正常化为手动或自动。

我的初始数据是这样的（注意这是补数据）

Make    | Transmission |  Price
BWM     6 Speed Automatic  50000
TOYOTA  5 Speed Automatic  40000
BWM     7 Speed Manual     70000
NISSAN  3 Speed Automatic  50000
TOYOTA  5 Speed Manual     30000

我的目标是将任何包含“自动”的变速箱转换为“自动”，将包含“手动”的变速箱转换为“手动”

我目前的方法是使用 gsub()

df$Transmission <- gsub("6 Speed Automatic", "Automatic", df$Transmission)
df$Transmission <- gsub("5 Speed Automatic", "Automatic", df$Transmission)
df$Transmission <- gsub("3 Speed Automatic", "Automatic", df$Transmission)
df$Transmission <- gsub("7 Speed Manual", "Manual", df$Transmission)
df$Transmission <- gsub("5 Speed Manual", "Manual", df$Transmission)

在实际的数据集中，有许多不同类型的自动和手动变速器。我认为复制粘贴 gsub() 函数效率不高。

我正在尝试找到一种使用正则表达式替换的方法，但是我能做的最好的事情是使用 dplyr 过滤器来识别它们

filter(df, grepl("Automatic", Transmission))

无论如何我可以将包含自动的字符串替换为“自动”并将包含手动的字符串替换为“手动”。在我的情况下，使用多个 gsub 根本没有效率。

【问题讨论】：

标签： r

【解决方案1】：

假设：

“自动”和“手动”的拼写完全正确，因此在所有可能的传输值中（即没有拼写错误、大小写不变等）；和
没有同时包含“自动”和“手动”的传输值。

类似下面的东西应该可以工作：

df %>%
  mutate(Transmission2 = case_when(
    grepl("Automatic", Transmission) ~ "Automatic",
    grepl("Manual", Transmission) ~ "Manual",
    TRUE ~ ""))

数据：

df <- read.csv(
  text = "Make, Transmission, Price
  BWM,     6 Speed Automatic,  50000
  TOYOTA,  5 Speed Automatic,  40000
  BWM,     7 Speed Manual,     70000
  NISSAN,  3 Speed Automatic,  50000
  TOYOTA,  5 Speed Manual,     30000"
)

【讨论】：

【解决方案2】：

另一种方式：

> df <- data.table(Transmission = c('6 Speed Automatic',
                                  '5 Speed Automatic',
                                  '7 Speed Manual',
                                  '3 Speed Automatic',
                                  '5 Speed Manual'))

> df[, Transmission := str_extract(string = Transmission, pattern = 'Automatic|Manual')]
> df

   Transmission
1:    Automatic
2:    Automatic
3:       Manual
4:    Automatic
5:       Manual

【讨论】：

【解决方案3】：

这是一种快速的 data.table 方式。

library(data.table)

Make <- c('BWM','TOYOTA','BWM','NISSAN','TOYOTA') 
Transmission <- c('Speed Automatic','Speed Automatic','Speed Manual','Speed Automatic','Speed Manual')


DT <- data.table(Make = Make, Transmission = Transmission)

DT[, Transmission_new := ifelse(Transmission == 'Speed Automatic', 
    'Automatic', 'Manual')]

> DT
     Make    Transmission Transmission_new
1:    BWM Speed Automatic        Automatic
2: TOYOTA Speed Automatic        Automatic
3:    BWM    Speed Manual           Manual
4: NISSAN Speed Automatic        Automatic
5: TOYOTA    Speed Manual           Manual

【讨论】：