是否有根据另一列列下方的strsplit表格行的r函数？

Question

我有一个数据框架（例如如下：

name  student_id   age  gender
Sam   123_abc_ABC  20   F
John  234_bcd_BCD  18   M
Mark  345_cde_CDE  20   M
Ram   xyz_111_XYZ  19   M
Hari  uvw_444_UVW  23   M

现在，我需要一个新列作为DF中的student_id_by_govt。student_id_by_govt在Student_id中，但对于不同的名称而言是不同的。学生_id的细分市场（即123，234，345），但对于ram＆amp; 个段（即111，444）

第二 让我知道如何获取以下输出：

name  student_id   age  gender student_id_by_govt
Sam   123_abc_ABC  20   F      123
John  234_bcd_BCD  18   M      234
Mark  345_cde_CDE  20   M      345
Ram   xyz_111_XYZ  19   M      111
Hari  uvw_444_UVW  23   M      444

Answer 1

我不确定我知道你想要什么。

library(dplyr)
library(stringr)
library(purrr)

df <- tibble(Name = c("Sam", "John", "Mark", "Ram", "Hari"), student_id = c("123_abc_ABC", "234_596_BCD", "345_cde_CDE", "xyz_111_XYZ", "uvw_444_UVW"), Gender = c("F", "M", "M", "M", "M")) %>%
      # mutate(student_id_by_gvt = if_else(Gender == "M", str_split(student_id, "_")[[1]][1], str_split(student_id, "_")[[1]][2]))
    mutate(student_id_by_gvt = map2_chr(Gender, student_id, function(x,y){if_else(x == "M", str_split(y, "_")[[1]][1], str_split(y, "_")[[1]][2])}))

它给出输出：

 Name  student_id  Gender student_id_by_gvt
  <chr> <chr>       <chr>  <chr>            
1 Sam   123_abc_ABC F      abc              
2 John  234_596_BCD M      234              
3 Mark  345_cde_CDE M      345              
4 Ram   xyz_111_XYZ M      xyz              
5 Hari  uvw_444_UVW M      uvw              

Answer 2

既然您在一个后续评论中更改了一个问题，那么“嗨，在那里，是否有一个基于性别列获得students_id_by_govt列的代码？我的意思是，对于所有'M'性别，Student_id_by_govt是第一部分Student_id（即234，345，XYZ，UVW），但对于“ f”性别，我想要第二部分student_id（即ABC）正如Student_id_by_govt吗？
这是一个简单的基础r解决方案，对于段相等的情况
长度和这些段的位置是稳定的 - 如果字符串的长度不同，但具有某些字符，您可以用一些substr用某些regex 功能。

df$student_id_by_govt <- ifelse(df$gender == "M", 
                          substr(df$student_id, 1,3), substr(df$student_id, 5,7))

Answer 3

您可以通过函数 str_extract 从库中 stringr ：

library(dplyr)
library(stringr)
library(purrr)

df <- tibble(Name = c("Sam", "John", "Mark", "Ram", "Hari"), student_id = c("123_abc_ABC", "234_bcd_BCD", "345_cde_CDE", "xyz_111_XYZ", "uvw_444_UVW")) %>%
      mutate(student_id_by_gvt = map_chr(student_id, function(x){str_extract(x, "(\\d+)")}))

这是输出：

# A tibble: 5 x 3
  Name  student_id  student_id_by_gvt
  <chr> <chr>       <chr>            
1 Sam   123_abc_ABC 123              
2 John  234_bcd_BCD 234              
3 Mark  345_cde_CDE 345              
4 Ram   xyz_111_XYZ 111              
5 Hari  uvw_444_UVW 444 

我更加舒适，是tidyverse软件包。我希望这个解决方案能帮助您

Answer 4

使用parse_number从字符串中提取所有数字的另一个选项：

df <- read.table(text="name  student_id   age  gender
Sam   123_abc_ABC  20   F
John  234_bcd_BCD  18   M
Mark  345_cde_CDE  20   M
Ram   xyz_111_XYZ  19   M
Hari  uvw_444_UVW  23   M", header = TRUE)

library(dplyr)
library(purrr)
library(stringr)
df %>%
  mutate(student_id_by_govt = readr::parse_number(as.character(student_id)))
#>   name  student_id age gender student_id_by_govt
#> 1  Sam 123_abc_ABC  20      F                123
#> 2 John 234_bcd_BCD  18      M                234
#> 3 Mark 345_cde_CDE  20      M                345
#> 4  Ram xyz_111_XYZ  19      M                111
#> 5 Hari uvw_444_UVW  23      M                444

^{在2022-07-01创建的 reprex软件包（v2.0.1）}

Answer 5

您只需要str_extract：

library(tidyverse)
df %>%
  mutate(student_id_by_govt = str_extract(student_id, "\\d+"))
# A tibble: 5 × 3
  Name  student_id  student_id_by_govt
  <chr> <chr>       <chr>             
1 Sam   123_abc_ABC 123               
2 John  234_bcd_BCD 234               
3 Mark  345_cde_CDE 345               
4 Ram   xyz_111_XYZ 111               
5 Hari  uvw_444_UVW 444 

edit ：

如果student_id_by_govt由gens> gens> gender确定，则如评论中的op注释：对于所有“ m”性别，student_id_by_govt是Student> Student_id（即234，345， xyz，uvw），但对于“ f” 性别我想要student> Student_id（即ABC）的第二部分，然后这可行：

df %>%
  mutate(student_id_by_govt = ifelse(gender == "M", str_extract(student_id, "^[^_]+"),
                                     str_extract(student_id, "(?<=_)[^_]+(?=_)")))
  name  student_id age gender student_id_by_govt
1  Sam 123_abc_ABC  20      F                abc
2 John 234_bcd_BCD  18      M                234
3 Mark 345_cde_CDE  20      F                cde
4  Ram xyz_111_XYZ  19      M                xyz
5 Hari uvw_444_UVW  23      M                uvw

在这里，我们基本上依靠负面字符类[^_]+，除了下划线或多次以外的任何字符以及正面的lookbehind匹配（？ （含义“ 仅在右侧有下划线时匹配”）。

编辑中解决方案的数据：

df <- read.table(text="name  student_id   age  gender
Sam   123_abc_ABC  20   F
John  234_bcd_BCD  18   M
Mark  345_cde_CDE  20   F
Ram   xyz_111_XYZ  19   M
Hari  uvw_444_UVW  23   M", header = TRUE)