如何在R语言dataframe中检测指定编码并生成二值变量

DevOps 小满

2026-7-10

解决方案

你可以通过以下几种方式实现需求，核心是逐行检查所有目标列中是否存在指定编码，并将结果转换为二值变量：

1. 先定义目标编码列表

target_codes <- c("1-A400", "1-A401", "1-A402", "1-A410", "1-A415", "1-A4152", "1-A4158", "1-B377", "1-P360", "1-P362", "1-P364", "1-U900")

2. 场景一：每个单元格仅存储单个编码

这种情况直接用元素匹配即可，不需要字符串检测：

Base R 实现

# 逐行检查c1到c100列，判断是否有编码在目标列表中，转换为0/1
fy14y$has_match <- as.integer(apply(fy14y[, paste0("c", 1:100)], 1, function(row) {
  any(row %in% target_codes, na.rm = TRUE)
}))

dplyr 实现（更符合tidyverse风格）

library(dplyr)

fy14y <- fy14y %>%
  rowwise() %>%
  mutate(has_match = as.integer(any(c_across(c1:c100) %in% target_codes, na.rm = TRUE))) %>%
  ungroup()

na.rm = TRUE 用于忽略单元格中的NA值，避免匹配结果被NA干扰。

3. 场景二：单元格可能包含多个编码（如用分隔符分隔）

如果单元格内有多个编码（比如1-A400,2-Y0408），需要用精确字符串匹配避免误判（比如防止把1-A415匹配到1-A4152）：

先构建精确匹配的正则模式

library(stringr)
# 构建正则：匹配编码作为独立项存在（假设用逗号分隔，其他分隔符可替换","）
pattern <- paste0(
  "(^|,)", 
  paste(target_codes, collapse = "($|,)|(^|,)"), 
  "($|,)"
)

应用到数据框

# Base R 方式
fy14y$has_match <- as.integer(apply(fy14y[, paste0("c", 1:100)], 1, function(row) {
  any(str_detect(row, pattern), na.rm = TRUE)
}))

# dplyr 方式
fy14y <- fy14y %>%
  rowwise() %>%
  mutate(has_match = as.integer(any(str_detect(c_across(c1:c100), pattern), na.rm = TRUE))) %>%
  ungroup()