基于R中的字符串交集创建数值变量

我正试图根据字符串与R的dplyr包的交集创建一个数值变量。
我有一个列列表，其中包含数千名在汽车经销商处购买的个人的代码。这些代码可以表示购买汽车、汽车内部零件或汽车外部物品。我想用2表示购车代码，用1表示车内项目，用0表示车外项目。如果客户购买了汽车，我希望列LargestPurchase=2；如果客户没有买车，而是买了一个内饰组件，我希望列LargestPurchase=1；如果客户没有购买汽车或内饰部件，我希望列LargestPurchase=0

购车代码位于带有列CarCodes的单独数据框中，而汽车内部部件代码位于带有列InteriorCodes的单独数据框中。每个都包含数千个代码

客户的数据如下所示（称为客户）：

例如：

df1$CarCodes = c('STW387', 'W9333')
df2$InteriorCodes = c('K987', 'AZ326')

Customer1     PurchaseCode1    PurchaseCode2    PurchaseCode3   LargestPurchase 
001           STW387           K987             W9333           2
002           AZ326            CP993            EN499           1
003           BKY98            A0091            C2001           0

我尝试将以下ifelse函数用于mutate，但它似乎不适用于字符串：

      customers <- customers %>% mutate(LargestPurchase = 
    (ifelse(intersect(customers$PurchaseCode1, df1$CarCodes) == TRUE | 
intersect(customers$PurchaseCode2, df1$CarCodes) | 
intersect(customers$PurchaseCode3, df1$CarCodes), 2, ifelse( 
intersect(customers$PurchaseCode1, df2$InteriorCodes) == TRUE | 
intersect(customers$PurchaseCode2, df2$InteriorCodes) == TRUE |
intersect(customers$PurchaseCode3, df3$InteriorCodes) == TRUE, 1, 0)))

客户百分比变化（最大购买量=
（ifelse（intersect（客户$PurchaseCode1，df1$CarCodes）==TRUE |
intersect（客户$PurchaseCode2，df1$CarCodes）|
intersect（客户$PurchaseCode3，df1$CarCodes），2，ifelse（
intersect（客户$PurchaseCode1，df2$内部代码）=真
intersect（客户$PurchaseCode2，df2$InteriorCodes）=真|
intersect（客户$PurchaseCode3，df3$InteriorCodes）=真，1，0）））

---

任何洞察都很好。

确定是否包含

CarCodes

或

InteriorCodes

，然后使用最大值

c2 <- apply(df3[,-1], 1, function(x) ifelse(any(x %in% df2$InteriorCodes), 1, 0))
c1 <- apply(df3[,-1], 1, function(x) ifelse(any(x %in% df1$CarCodes), 2, 0))
df3$LargestPurchase <- pmax(c1, c2)

  Customer1 PurchaseCode1 PurchaseCode2 PurchaseCode3 LargestPurchase
1         1        STW387          K987         W9333               2
2         2         AZ326         CP993         EN499               1
3         3         BKY98         A0091         C2001               0

---

c2这是一个
dplyr
版本

CarCodes = c('STW387', 'W9333')
InteriorCodes = c('K987', 'AZ326')

data.frame(customer = c(001, 002, 003),
           code1 = c('STW387', 'AZ326', 'BKY98'),
           code2 = c('K987', 'CP993', 'A0091'),
           code3 = c('W9333', 'EN499', 'C2001')) %>% 
  gather(variable, value, -customer) %>% 
  mutate(purchase = case_when(value %in% CarCodes ~ 2,
                              value %in% InteriorCodes ~ 1,
                              TRUE ~ 0)) %>% 
  group_by(customer) %>% 
  summarise(largest_purchase = max(purchase))

CarCodes = c('STW387', 'W9333')
InteriorCodes = c('K987', 'AZ326')

data.frame(customer = c(001, 002, 003),
           code1 = c('STW387', 'AZ326', 'BKY98'),
           code2 = c('K987', 'CP993', 'A0091'),
           code3 = c('W9333', 'EN499', 'C2001')) %>% 
  gather(variable, value, -customer) %>% 
  mutate(purchase = case_when(value %in% CarCodes ~ 2,
                              value %in% InteriorCodes ~ 1,
                              TRUE ~ 0)) %>% 
  group_by(customer) %>% 
  summarise(largest_purchase = max(purchase))