使用具有多個條件的部分匹配對df進行子集

Question

這是數據集：

company <- c("Coca-Cola Inc.", "DF, CocaCola", 
         "COCA-COLA", "PepsiCo Inc.", "Beverages Distribution")
brand  <- c("Coca-Cola Zero","N/A", "Coca-Cola", "Pepsi", "soft drink")
vol  <- c("2456","1653", "19", "2766", "167")
data   <-data.frame(company, brand, vol)
data

結果是：

                 company             brand    vol
1         Coca-Cola Inc.    Coca-Cola Zero   2456
2           DF, CocaCola               N/A   1653
3              COCA-COLA          CocaCola     19
4           PepsiCo Inc.             Pepsi   2766
5 Beverages Distribution        soft drink    167

假設這是按品牌划分的進口量。

任務是對數據框進行替換，以僅查看與可口可樂相關的觀察結果，而不能查看其他任何品牌。

• 問題在於可口可樂的書寫方式多種多樣。
• 此外，我們知道飲料分銷公司僅進口可口可樂，即使未在上表中指明。

我們需要將COMPANY和BRAND變量與一系列條件（鍵）進行部分匹配：

company_key <- c("coca-", "cocacola", "coca cola", "beverages distribution")
brand_key <- c("coca-", "cocacola", "coca cola")

我正在努力執行這個想法：

如果品牌部分匹配brand_key向量中的任何鍵或公司部分匹配company_key中的任何鍵，則子數據

因此，僅保留其中的行：

（ 品牌觀察部分匹配“可口可樂”或“可口可樂”或“可口可樂”）

要么

（ 公司觀察部分匹配“可口可樂”或“可口可樂”或“可口可樂”或“飲料分銷”）

注意：需區分大小寫

理想的輸出：

                 company             brand    vol
1         Coca-Cola Inc.    Coca-Cola Zero   2456
2           DF, CocaCola               N/A   1653
3              COCA-COLA          CocaCola     19
4 Beverages Distribution        soft drink    167

有任何想法嗎？ 提前致謝 ：）

Answer 1

使用正則表達式及其| （或）運算符。 參數ignore.case處理大小寫。

index <- grepl(paste0(company_key, collapse = "|"), data$company, ignore.case = TRUE) |
    grepl(paste0(brand_key, collapse = "|"), data$company, ignore.case = TRUE)

data[index,]  

#                 company          brand  vol
#1         Coca-Cola Inc. Coca-Cola Zero 2456
#2           DF, CocaCola            N/A 1653
#3              COCA-COLA      Coca-Cola   19
#5 Beverages Distribution     soft drink  167

Answer 2

考慮到coca后面可以加上破折號或可樂，然后加上可選的空格。 我將兩列粘貼在一起以進行coca搜索，並對Beverage Distribution進行不同的測試

data[grepl("coca-|(\\s*cola)", paste(data[,1], data[,2]), ignore.case = T) |
       grepl("Beverages Distribution",data[,1]),]
#                  company          brand  vol
# 1         Coca-Cola Inc. Coca-Cola Zero 2456
# 2           DF, CocaCola            N/A 1653
# 3              COCA-COLA      Coca-Cola   19
# 5 Beverages Distribution     soft drink  167

如果Beverage Distribution只能完全匹配，則可能需要將第二部分更改為data[,1] == "Beverages Distribution"