根据另一列的值创建一个新的数据框列

Question

假设我有以下数据框。

dat <- data.frame(city=c("Chelsea","Brent","Bremen","Olathe","Lenexa","Shawnee"), 
        tag=c(rep("AlabamaCity",3), rep("KansasCity",3)))

我想包括第三列，Tag2，它将是每个 state 来自 Tag 列的区域。 因此，前三个城市将最终成为“南部”，后三个城市将成为“中西部”。 数据看起来像。

     city         tag      tag2
1 Chelsea AlabamaCity    South
2   Brent AlabamaCity    South
3  Bremen AlabamaCity    South
4  Olathe  KansasCity    Midwest
5  Lenexa  KansasCity    Midwest
6 Shawnee  KansasCity    Midwest

我尝试了以下命令，但它没有创建新列。 谁能告诉我怎么了。

fixit <- function(dat) {
     for (i in 1:nrow(dat)) {
          Words = strsplit(as.character(dat[i, 'tag']), " ")[[1]]
          if(any(Words == 'Alabama')) {
                dat[i, 'tag2'] <- "South"
          }
          if(any(Words == 'Kansas')) {
                dat[i, 'tag2'] <- "Midwest"
          }
     }
     return(dat)
}

谢谢您的帮助。

Answer 1

它不起作用，因为您创建Words的strsplit()是错误的。 （你知道如何调试 R 函数不是吗？）

debug: Words = strsplit(as.character(dat[i, "tag"]), " ")[[1]]
Browse[2]> 
debug: if (any(Words == "Alabama")) {
    dat[i, "Tag2"] <- "South"
}
Browse[2]> Words
[1] "AlabamaCity"

在这一点上， Words肯定不等于"Alabama"或"Kansas" ，而且永远不会，所以if()子句永远不会被执行。 R正在返回dat ，您的 function 没有改变dat 。

这将为您完成，并且更通用。 首先创建一个数据框，其中包含与区域匹配的单词

region <- data.frame(tag = c("Alabama","Kansas"), tag2 = c("South","Midwest"),
                     stringsAsFactors = FALSE)

在此数据帧的行上循环，匹配"tag"并插入适当的"tag2" ：

for(i in seq_len(nrow(region))) {
    want <- grepl(region[i, "tag"], dat[, "tag"])
    dat[want, "tag2"] <- region[i, "tag2"]
}

这将导致：

> dat
     city         tag    tag2
1 Chelsea AlabamaCity   South
2   Brent AlabamaCity   South
3  Bremen AlabamaCity   South
4  Olathe  KansasCity Midwest
5  Lenexa  KansasCity Midwest
6 Shawnee  KansasCity Midwest

这是如何运作的？ 关键位是grepl() 。 如果我们只为一场比赛执行此操作， "Alabama" ， grepl()的使用方式如下：

grepl("Alabama", dat[, "tag"])

并返回一个逻辑，指示哪些"tag"元素与字符串“阿拉巴马”匹配：

> grepl("Alabama", dat[, "tag"])
[1]  TRUE  TRUE  TRUE FALSE FALSE FALSE