r - 如何获取 R 中的解析列然后检查匹配？

Question

我有这样的df:

        GEO_ID           Area           Tot_Pop 
1 8600000US00601          ZCTA5 00601   17242  
2 8600000US00602          ZCTA5 00602   38442  
3 8600000US00603          ZCTA5 00603   48814 
4 8600000US00606          ZCTA5 00606    6437  
5 8600000US00610          ZCTA5 00610   27073 
6 8600000US00612          ZCTA5 00612   60303  

我想创建两个新专栏。第一，我想提取 GEO_ID 列的最后 5 位数字来生成 NewGeo。第二，我想拉 ZCTA5 之后的字符串以获得 NewArea。它看起来像:

        GEO_ID           Area           Tot_Pop   NewGeo  NewArea
1 8600000US00601          ZCTA5 00601   17242       00601  00601
2 8600000US00699          ZCTA5 00602   38442       00699  00602
3 8600000US00603          ZCTA5 00603   48814       00603  00603
4 8600000US00606          ZCTA5 00606    6437       00606  00606
5 8600000US00610          ZCTA5 00610   27073       00610  00610
6 8600000US00612          ZCTA5 00612   60303       00612  00612

然后我想检查新列 NewGeo 是否与 NewArea 匹配，如果不匹配，我想创建一个新的 df 来查看个人不匹配的列

Answer 1

在你的情况下，使用 data.table，你可以做

library(data.table)
setDT(df)
df[, `:=`(NewGeo = tstrsplit(GEO_ID, "US", fixed = TRUE)[2],
          NewArea = tstrsplit(Area, " ", fixed = TRUE)[2])]

如果你想要他们的数字格式，你可以在之后做:

df[,c('NewGeo','NewArea') := lapply(.SD, as.numeric), .SDcols = c('NewGeo','NewArea')]

tstrsplit 是一个内置的 data.table 以有效地切割字符串。您可以使用 stringr 进行替代(但是不确定这个)

df[, `:=`(NewGeo = stringr::str_split_fixed(GEO_ID, "US", simplify = TRUE)[,2],
          NewArea = stringr::str_split_fixed(Area, " ", simplify = TRUE)[,2])]