变量可用于在 R 中形成正则表达式模式

Question

我对this帖子有一个变体，我需要根据跨5列的代码构建一个以逗号分隔的值字段。我需要检查每一列以确定该年是否存在几种不同作物中的任何一种。不过，每种作物都可以用多个代码表示。我可以对每种代码组合执行一系列 grepl 语句，但这会很长。 grepl 模式可以从变量构建吗？或者还有其他方法可以做到这一点吗？

这是一个将数据限制为 4 年、3 种作物（玉米、大豆和小麦）的示例， 每个只有几个不同的代码。

corn_codes <- 1
soybean_codes <- c(2,446)
wheat_codes <- c(3,427)

df <- 
  crossing(yr2019=as.character(c(1,2,3,446,427)),
           yr2020=as.character(c(1,2,3,446,427)),
           yr2021=as.character(c(1,2,3,446,427)),
           yr2022=as.character(c(1,2,3,446,427))) %>%
  rowwise() %>%
  mutate(new_column = case_when(
    grepl("1,.*2,.*3|1,.*3,.*2|2,.*1,.*3|2,.*3,.*1|3,.*1,.*2|3,.*2,.*1",
          paste(as.vector(distinct(as.data.frame(c(yr2019,yr2020,yr2021,yr2022))))[[1]], 
                collapse = ",")) ~ "1,2,3",
    grepl("1,.*446,.*3|1,.*3,.*446|446,.*1,.*3|446,.*3,.*1|3,.*1,.*446|3,.*446,.*1",
          paste(as.vector(distinct(as.data.frame(c(yr2019,yr2020,yr2021,yr2022))))[[1]], 
                collapse = ",")) ~ "1,2,3",
    grepl("1,.*2,.*427|1,.*427,.*2|2,.*1,.*427|2,.*427,.*1|427,.*1,.*2|427,.*2,.*1",
          paste(as.vector(distinct(as.data.frame(c(yr2019,yr2020,yr2021,yr2022))))[[1]], 
                collapse = ",")) ~ "1,2,3",
    grepl("1,.*446,.*427|1,.*427,.*446|446,.*1,.*427|446,.*427,.*1|427,.*1,.*446|427,.*446,.*1",
          paste(as.vector(distinct(as.data.frame(c(yr2019,yr2020,yr2021,yr2022))))[[1]], 
                collapse = ",")) ~ "1,2,3",
    TRUE ~ "x"
  ) # end case_when
  ) %>% # end mutate
  print(n=20)

前 20/625 行：

# A tibble: 625 × 5
# Rowwise: 
   yr2019 yr2020 yr2021 yr2022 new_column
   <chr>  <chr>  <chr>  <chr>  <chr>     
 1 1      1      1      1      x         
 2 1      1      1      2      x         
 3 1      1      1      3      x         
 4 1      1      1      427    x         
 5 1      1      1      446    x         
 6 1      1      2      1      x         
 7 1      1      2      2      x         
 8 1      1      2      3      1,2,3     
 9 1      1      2      427    1,2,3     
10 1      1      2      446    x         
11 1      1      3      1      x         
12 1      1      3      2      1,2,3     
13 1      1      3      3      x         
14 1      1      3      427    1,2,3     
15 1      1      3      446    1,2,3     
16 1      1      427    1      x         
17 1      1      427    2      1,2,3     
18 1      1      427    3      x         
19 1      1      427    427    x         
20 1      1      427    446    1,2,3     
# … with 605 more rows

这会查找四年内以任何顺序发生的三种作物中的任何一种。有两个问题：

1. 对于多种裁剪代码的每种可能组合使用 grep 行的复杂性。
2. 因为它们是数字，所以目前所写的内容存在解释不正确的问题。 “2”是大豆的代码，但小麦代码之一（“427”）中有一个 2，当 grepl 查找“.*2”时，它会作为大豆被拾取，如第 14 行所示。第 14 行应该有一个“x”，因为它实际上只包含玉米和小麦。 （另请参阅第 54 行和其他行，未显示。）如果它使解决方案更容易，可以将它们转换为字母，就像上面提到的上一篇文章中那样。

感谢所有建议。

Answer 1

这似乎是错误的分析方法。在我看来，切换作物名称的代码会更容易，然后使用简单的

ifelse

来确定是否所有作物都存在：

df %>%
  mutate(across(everything(), ~ case_when(.x %in% corn_codes ~ "corn",
                                          .x %in% soybean_codes ~ "soybean",
                                          .x %in% wheat_codes ~ "wheat",
                                          TRUE ~ "other"))) %>%
  rowwise() %>%
  mutate(new_column = ifelse(all(c("corn", "soybean", "wheat") %in% 
                                   c_across(everything())), "1, 2, 3", "x")) 
#> # A tibble: 625 x 5
#> # Rowwise: 
#>    yr2019 yr2020 yr2021  yr2022  new_column
#>    <chr>  <chr>  <chr>   <chr>   <chr>     
#>  1 corn   corn   corn    corn    x         
#>  2 corn   corn   corn    soybean x         
#>  3 corn   corn   corn    wheat   x         
#>  4 corn   corn   corn    wheat   x         
#>  5 corn   corn   corn    soybean x         
#>  6 corn   corn   soybean corn    x         
#>  7 corn   corn   soybean soybean x         
#>  8 corn   corn   soybean wheat   1, 2, 3   
#>  9 corn   corn   soybean wheat   1, 2, 3   
#> 10 corn   corn   soybean soybean x         
#> 11 corn   corn   wheat   corn    x         
#> 12 corn   corn   wheat   soybean 1, 2, 3   
#> 13 corn   corn   wheat   wheat   x         
#> 14 corn   corn   wheat   wheat   x         
#> 15 corn   corn   wheat   soybean 1, 2, 3   
#> 16 corn   corn   wheat   corn    x         
#> 17 corn   corn   wheat   soybean 1, 2, 3   
#> 18 corn   corn   wheat   wheat   x         
#> 19 corn   corn   wheat   wheat   x         
#> 20 corn   corn   wheat   soybean 1, 2, 3   
#> # i 605 more rows

^{创建于 2023-08-23，使用 reprex v2.0.2}