如何在dplyr中使用mutate进行grep

我想得到一些帮助，了解我的

dplyr

管道中发生了什么，我请求各种解决方案来解决这个问题

问题 我有一个研究所的列表（正式术语是指研究期刊文章的作者来自哪里），我想提取主要研究所的名称。如果它是一所大学，它将是XX大学，为了简单起见，这就是我在这里坚持的例子

尝试解决方案逻辑

用逗号分隔机构名称

“大学”或其他大学相关术语的grep

在命中的位置提取索引

边缘案例/假设

• 我正在搜索的术语只存在于一个拆分中
• 这里的所有研究所都是大学（为了避免堆栈溢出，这里的问题保持简单）

代码 我假设正在发生但没有发生的是我上面写的逻辑。我看到的情况是，在mutate中，

institute

的第一个实例正在搜索

df

中的每一行，而完全相同的“新so大学”正在填充。对于错误是什么，我有一个大致的想法，除了不知道为什么会发生错误或者如何在保持

dplyr

的同时修复错误。如果我使用

apply

函数，我就可以做到这一点，我很好奇答案是什么

它看起来像什么：

# A tibble: 6 x 2
  institute                                                                          instGuess              
  <chr>                                                                              <chr>                  
1 school of computer science and engineering, university of new south wales, sydney~ " university of new so~
2 department computer science, friedrich-alexander-university, erlangen-nuremberg, ~ " university of new so~
3 department of ece, pesit, bangalore, india                                         " university of new so~
4 school of information technology and electrical engineering, university of queens~ " university of new so~
5 school of information technology and electrical engineering, university of queens~ " university of new so~
6 dept. of info. syst. and comp. sci., national university of singapore, 10 kent ri~ " university of new so~

#一个tible:6x2
研究所
1新南威尔士大学计算机科学与工程学院，悉尼~新大学
2系计算机科学，弗里德里希亚力山大大学，埃朗根纽伦堡，~新大学
3欧洲经委会、佩西、印度班加罗尔“新苏州大学”
昆士兰大学信息技术与电气工程学院4
昆士兰大学信息技术与电气工程学院5
新加坡国立大学信息科学与技术系，6，10，肯特RI~“新苏州大学”

例如，使用的数据

---

df您需要包含一个
groupby
，以便语法正常工作：

df %>%
  group_by(institute) %>%
  mutate(instGuess = unlist(strsplit(institute, ","))[grep("univ", unlist(strsplit(institute, ",")))][1])

产生：

# A tibble: 6 x 2
# Groups:   institute [6]
institute                                                                  instGuess              
<chr>                                                                      <chr>                  
  1 school of computer science and engineering, university of new south wales… " university of new so…
2 department computer science, friedrich-alexander-university, erlangen-nur… " friedrich-alexander-…
3 department of ece, pesit, bangalore, india                                 NA                     
4 school of information technology and electrical engineering, university o… " university of queens…
5 school of information technology and electrical engineering, university o… " university of queens…
6 dept. of info. syst. and comp. sci., national university of singapore, 10… " national university …

#一个tible:6x2
#组别：研究所[6]
研究所
1新南威尔士大学计算机科学与工程学院……
弗里德里希·亚历山大大学计算机科学系，纽尔兰根…“弗里德里希·亚历山大-…
3印度班加罗尔佩西特欧洲经委会部
4所大学信息技术与电气工程学院…
5所大学信息技术与电气工程学院…
6信息部。系统。和comp。SCI，新加坡国立大学，10……国立大学…
看起来只使用了第一个元素。我们可以使用
行方式对每行进行分组，并确保操作是特定于行的

library(dplyr)

df %>%
  rowwise() %>%
  mutate(instGuess = unlist(strsplit(institute, ","))[grep("univ", unlist(strsplit(institute, ",")))][1]) %>%
  ungroup() %>%
  head()
# # A tibble: 6 x 2
# institute                                                              instGuess             
#   <chr>                                                                  <chr>                 
# 1 school of computer science and engineering, university of new south w~ " university of new s~
# 2 department computer science, friedrich-alexander-university, erlangen~ " friedrich-alexander~
# 3 department of ece, pesit, bangalore, india                             NA                    
# 4 school of information technology and electrical engineering, universi~ " university of queen~
# 5 school of information technology and electrical engineering, universi~ " university of queen~
# 6 dept. of info. syst. and comp. sci., national university of singapore~ " national university~

库（dplyr）
df%>%
行（）
突变（instGuess=unlist（strsplit（institute，“，”）））[grep（“univ”，unlist（strsplit（institute，“，”）））][1]）%>%
解组（）%>%
总目（）
##tibble:6 x 2
#研究所
#                                                                                      
新南威尔士大学计算机科学与工程学院第1版
#弗里德里希·亚历山大大学计算机科学系，erlangen~“弗里德里希·亚历山大~
#3印度班加罗尔佩西特欧洲经委会部
第4届大学信息技术与电气工程学院
第5届大学信息技术与电气工程学院
新加坡国立大学信息科学与技术系，6。
我认为@Pdubbs的答案是最好的，他使用
groupby
来模仿@www使用
rowwise（）
的答案，但区别（在我看来是明显的优势）是，当重复
$institute
时，每个机构只做一次猜测就能获得效率

这更进一步，不会在每个实例上重新执行strsplit。我将复制第一行：

df <- df[c(1,1:6),]

（并插入
消息
调用以指示调用次数…不包括在生产中），然后序列：

df %>%
  group_by(institute) %>%
  mutate(instGuess = find_univ(institute)) %>%
  ungroup() %>%
  select(instGuess) # for display purposes only
# ******  <---- six calls on seven rows, benefit of group_by
# A tibble: 7 × 1
#                           instGuess
#                               <chr>
# 1     university of new south wales
# 2     university of new south wales
# 3    friedrich-alexander-university
# 4                              <NA>
# 5       university of queenslandqld
# 6       university of queenslandold
# 7  national university of singapore

df%>%
组别(学会)%>%
突变（instGuess=find_univ（institute））%>%
解组（）%>%
选择（instGuess）#仅用于显示目的
#******您可以使用
sub

a=df %>%
     group_by(institute)%>%
     mutate(Instname=sub("(.*,\\s|)(.*unive.*?)(,|$).*|.*","\\2",institute))
> a
# A tibble: 6 x 2
# Groups:   institute [6]
  institute                                                                                           Instname                   
  <chr>                                                                                               <chr>                      
1 school of computer science and engineering, university of new south wales, sydney, australia        university of new south wa~
2 department computer science, friedrich-alexander-university, erlangen-nuremberg, germany            friedrich-alexander-univer~
3 department of ece, pesit, bangalore, india                                                          ""                         
4 school of information technology and electrical engineering, university of queenslandqld, australia university of queenslandqld
5 school of information technology and electrical engineering, university of queenslandold, australia university of queenslandold
6 dept. of info. syst. and comp. sci., national university of singapore, 10 kent ridge crescent, sin~ national university of sin~
> a$Instname
[1] "university of new south wales"    "friedrich-alexander-university"   ""                                
[4] "university of queenslandqld"      "university of queenslandold"      "national university of singapore"

a=df%>%
组别(学会)%>%
突变（Instname=sub（“（.*，\\s |”）（.*unive.*？（，|$）.*unive.*”，“\\2”，institute））
>a
#一个tibble:6x2
#组别：研究所[6]
学院名称
新南威尔士大学计算机科学与工程学院，悉尼，澳大利亚新南大学WA~
2弗里德里希·亚历山大大学计算机科学系，德国纽伦堡埃兰根弗里德里希·亚历山大大学~
3欧洲经委会部，佩西特，班加罗尔，印度
find_univ <- function(x) {
  message('*', appendLF=FALSE)
  y <- strsplit(x[[1]], ',')[[1]]
  y[grep('univ', y)][1]
}

df %>%
  group_by(institute) %>%
  mutate(instGuess = find_univ(institute)) %>%
  ungroup() %>%
  select(instGuess) # for display purposes only
# ******  <---- six calls on seven rows, benefit of group_by
# A tibble: 7 × 1
#                           instGuess
#                               <chr>
# 1     university of new south wales
# 2     university of new south wales
# 3    friedrich-alexander-university
# 4                              <NA>
# 5       university of queenslandqld
# 6       university of queenslandold
# 7  national university of singapore

a=df %>%
     group_by(institute)%>%
     mutate(Instname=sub("(.*,\\s|)(.*unive.*?)(,|$).*|.*","\\2",institute))
> a
# A tibble: 6 x 2
# Groups:   institute [6]
  institute                                                                                           Instname                   
  <chr>                                                                                               <chr>                      
1 school of computer science and engineering, university of new south wales, sydney, australia        university of new south wa~
2 department computer science, friedrich-alexander-university, erlangen-nuremberg, germany            friedrich-alexander-univer~
3 department of ece, pesit, bangalore, india                                                          ""                         
4 school of information technology and electrical engineering, university of queenslandqld, australia university of queenslandqld
5 school of information technology and electrical engineering, university of queenslandold, australia university of queenslandold
6 dept. of info. syst. and comp. sci., national university of singapore, 10 kent ridge crescent, sin~ national university of sin~
> a$Instname
[1] "university of new south wales"    "friedrich-alexander-university"   ""                                
[4] "university of queenslandqld"      "university of queenslandold"      "national university of singapore"