使用tidyverse修正NA替换及不匹配行移除的代码问题

示例数据集 #

# Load the tidyverse package
library(tidyverse)

# Create the dataset
id <- 1:6
model <- c("0RB3211", NA, "0RB4191",
           NA, "0RB4033", NA)
UPC <- c("805289119081", "DK_0RB3447CP_RBCP  50", "8053672006360",
         "Green_Classic_G-15_Polar_1.67_PREM_SV", "805289044604",
         "DK_0RB2132CP_RBCP  55")
df <- tibble(id, model, UPC)

需求说明 #

当model列存在缺失值（NA）时：

• 若对应UPC以DK开头，提取第一个下划线后的7位字符数字组合（如第二行提取"0RB3447"、最后一行提取"0RB2132"）填充model；
• 若UPC不以DK开头则删除整行（如第四行需删除）。

错误代码 #

# Manipulate the dataset
df_cleaned <- df %>%
  rowwise() %>%
  mutate(model = ifelse(is.na(model) & str_detect(UPC, "^DK"),
                        str_extract(UPC, "\\d{2}RB\\d{4}"),
                        model)) %>%
  ungroup() %>%
  filter(!(is.na(model) & str_detect(UPC, "[^0-9]")))

# Display the cleaned dataset
print(df_cleaned)

请问如何修改上述代码以得到正确结果？

原代码问题分析 #

1. 正则表达式错误：原代码用\\d{2}RB\\d{4}匹配目标字符串，但实际目标是0RB3447（1个数字+RB+4个数字，共7位），该正则无法正确捕获内容。
2. 过滤逻辑错误：原过滤条件!(is.na(model) & str_detect(UPC, "[^0-9]"))逻辑混乱，无法准确筛选需要保留的行。

修正后代码 #

df_cleaned <- df %>%
  # 填充NA的model：仅当model为NA且UPC以DK开头时，提取DK_后7位
  mutate(model = case_when(
    is.na(model) & str_detect(UPC, "^DK") ~ str_extract(UPC, "(?<=DK_).{7}"),
    TRUE ~ model
  )) %>%
  # 删除model仍为NA的行（即原NA且UPC不以DK开头的行）
  filter(!is.na(model))

print(df_cleaned)

代码说明 #

1. case_when替代ifelse：逻辑分支更清晰，明确处理特定条件下的填充操作。
2. 正则表达式优化：(?<=DK_).{7}是正向预查，精准匹配DK_之后的任意7个字符；如果需要限定只能是字母数字组合，可改为(?<=DK_)[A-Z0-9]{7}。
3. 过滤逻辑简化：直接过滤掉model仍为NA的行，完全符合需求中“删除UPC不以DK开头且model为NA的行”的要求。

内容的提问来源于stack exchange，提问作者Fox_Summer