如何基于source列匹配global_sources唯一值批量替换其NA值？

步骤1：定义分类优先级 #

先从global_sources列提取所有已有的唯一分类，并将referral放在优先级末尾，确保其他分类优先匹配（比如google / referral会优先匹配google）：

library(stringr)

# 提取所有非NA的唯一分类
categories <- unique(df$global_sources[!is.na(df$global_sources)])
# 调整优先级：把referral移到最后
categories <- c(setdiff(categories, "referral"), "referral")

步骤2：批量替换NA值 #

遍历所有global_sources为NA的行，按优先级顺序检查source列是否包含分类，取第一个匹配的分类替换NA：

# 找到所有需要替换的行索引
na_rows <- which(is.na(df$global_sources))

# 逐个处理NA行
for(i in na_rows){
  # 按优先级匹配分类
  matched <- categories[str_detect(df$source[i], categories)]
  # 如果有匹配项，取第一个替换
  if(length(matched) > 0){
    df$global_sources[i] <- matched[1]
  }
}

用dplyr简化实现 #

如果习惯用tidyverse语法，也可以用map_chr实现向量化操作，代码更简洁：

library(dplyr)
library(purrr)

df <- df %>%
  mutate(
    # 定义优先级分类列表
    priority_cats = list(c(setdiff(unique(na.omit(global_sources)), "referral"), "referral")),
    # 替换NA值
    global_sources = ifelse(is.na(global_sources),
                            map_chr(source, ~{
                              match <- priority_cats[[1]][str_detect(.x, priority_cats[[1]])]
                              ifelse(length(match) > 0, match[1], NA)
                            }),
                            global_sources)
  ) %>%
  select(-priority_cats)

最终结果 #

运行上述代码后，示例数据的global_sources列会被正确填充：

内容的提问来源于stack exchange，提问作者Nicolás Rojas U