Início / coding / Perguntas / 78856222
Accepted
farrow90
Asked: 2024-08-10 22:14:27 +0800 CST

Combinando Regex e Non-Regex na mesma função

  • 772

Eu tenho um dataframe:

mydf <- data.frame(
  col1 = c("54", "abc", "123", "54 abc", "zzz", "a", "99"),
  col2 = c("100", "200", "300", "400", "500", "600", "700"),
  stringsAsFactors = FALSE
)

Neste dataframe, quero substituir todos os elementos por NA, a menos que atendam a uma destas condições:

  • estritamente um número (por exemplo, "54" manter, "54 abc" descartar)
  • pertencem a target_string

Eu não tinha certeza de como fazer isso em R usando apply, então tentei escrever um loop:

target_string <- c("a", "zzz")

replace_with_na_old <- function(df, target_string) {
  for (i in 1:nrow(df)) {
    for (j in 1:ncol(df)) {
      value <- df[i, j]
      if (!grepl("^[0-9]+$", value) && !(value %in% target_string)) {
        df[i, j] <- NA
      }
    }
  }
  return(df)
}

mydf_cleaned_old <- replace_with_na_old(mydf, target_string)

Existe outra maneira de fazer isso?

Nota: Veja como substituir %in% por %like%:

   replace_with_na_new <- function(df, target_string) {
  for (i in 1:nrow(df)) {
    for (j in 1:ncol(df)) {
      value <- df[i, j]
      if (!grepl("^[0-9]+$", value) && !any(sapply(target_string, function(pattern) grepl(pattern, value)))) {
        df[i, j] <- NA
      }
    }
  }
  return(df)
}

3 respostas

  1. Best Answer

    Você já tem a lógica necessária para verificar isso, basta vetorizar.

    replace_with_na <- function(value, target_string) {
  value[!(grepl('^\\d+$', value) | value %in% target_string)] <- NA
  value
}

    Agora você pode aplicar esta função para cada coluna usando qualquer uma das apply*funções na base R.

    new_df <- mydf
new_df[] <- lapply(mydf, replace_with_na, target_string)
new_df

#  col1 col2
#1   54  100
#2 <NA>  200
#3  123  300
#4 <NA>  400
#5  zzz  500
#6    a  600
#7   99  700

    Ou se preferir dplyrpodemos usar acrosspara resultado semelhante.

    library(dplyr)
mydf %>% mutate(across(everything(), \(x) replace_with_na(x, target_string)))
    • 5

  2. Você pode substituir todos os elementos que não pertencem a target_stringe que contêm caracteres que não são dígitos.

    mydf[sapply(mydf, \(x) grepl("\\D", x) & !x %in% target_string)] = NA

 col1 col2
1   54  100
2 <NA>  200
3  123  300
4 <NA>  400
5  zzz  500
6    a  600
7   99  700
    • 4

  3. Você pode gerar o padrão regex antecipadamente e depois aplicar grepl, por exemplo,

    patt <- sprintf(
  "^\\d+$|%s",
  paste0(sprintf("\\b%s\\b", target_string), collapse = "|")
)
list2DF(lapply(mydf, \(x) replace(x, !grepl(patt, x), NA)))

    o que dá

      col1 col2
1   54  100
2 <NA>  200
3  123  300
4 <NA>  400
5  zzz  500
6    a  600
7   99  700
    • 3

relate perguntas