R语言strsplit函数报错排查：非字符参数问题及薯片数据筛选

问题背景 #

正在完成超市薯片销售数据课程作业，需剔除非薯片类条目，运行给定R代码时出错。

运行代码 #

productWords <- data.table(unlist(strsplit(unique(transaction_data[, "PROD_NAME"]), "")))

数据文件为transaction_data，目标列是PROD_NAME。

报错信息 #

Error in strsplit(unique(transaction_data[, "PROD_NAME"]), "") : non-character argument

数据示例 #

DATE       STORE_NBR LYLTY_CARD_NBR TXN_ID PROD_NBR PROD_NAME                                PROD_QTY TOT_SALES
  <date>         <dbl>          <dbl>  <dbl>    <dbl> <chr>                                       <dbl>     <dbl>
1 2018-10-17         1           1000      1        5 Natural Chip        Compny SeaSalt175g          2       6  
2 2019-05-14         1           1307    348       66 CCs Nacho Cheese    175g                        3       6.3
3 2019-05-20         1           1343    383       61 Smiths Crinkle Cut  Chips Chicken 170g          2       2.9

错误原因 #

1. 类型不匹配：strsplit要求第一个参数是纯字符向量，但transaction_data[, "PROD_NAME"]返回的是data.table的列对象，而非纯字符类型，unique()处理后仍未转换为字符向量，导致报错。
2. 逻辑错误：原代码用strsplit(..., "")把产品名称拆成单个字符，完全无法用于区分薯片和非薯片产品，逻辑方向错误。

解决方案 #

1. 修正原代码的类型问题（仅解决报错，不解决业务需求） #

如果只是想让原代码运行，需先将列转换为字符向量：

prod_names <- as.character(transaction_data$PROD_NAME)
productWords <- data.table(unlist(strsplit(unique(prod_names), "")))

2. 正确筛选薯片类条目（满足作业需求） #

方法1：关键词模糊匹配

通过识别PROD_NAME中的薯片相关关键词（如品牌、产品术语）筛选：

# 匹配包含Chip/Chips/CCs的记录，忽略大小写
chip_data <- transaction_data[grepl("(Chip|Chips|CCs)", PROD_NAME, ignore.case = TRUE), ]

可根据实际产品补充更多关键词（比如其他薯片品牌）。

方法2：精准匹配已知产品列表

如果有已知的薯片产品清单，直接匹配：

# 示例薯片产品列表
chip_products <- c("Natural Chip Compny SeaSalt175g", "CCs Nacho Cheese 175g", "Smiths Crinkle Cut Chips Chicken 170g")
# 筛选匹配记录
chip_data <- transaction_data[PROD_NAME %in% chip_products, ]

内容的提问来源于stack exchange，提问作者JackOrmston