使用mutate、case_when、%in%重编码长字符串变量部分匹配的问题

你之前的代码失效是因为%in%做的是精确全匹配，而你的post_caption是长字符串，显然不会和"dog"这类短字符串完全相等。不需要拆分变量，直接用字符串检测函数就能实现需求。

核心方法：用stringr::str_detect检测子字符串 #

结合dplyr::case_when，通过str_detect判断长字符串中是否包含目标子串，从而重编码post_type。

示例代码 #

先构造你的示例数据框：

library(dplyr)
library(stringr)

post_info <- tibble(
  post_type = c("type1", "type2", "type3", "type4"),
  post_caption = c("This post is about a dog", "This post is about a cat", "This post is about a walrus", "This post is about space")
)

然后执行重编码：

post_info %>%
  mutate(post_type_r = case_when(
    # 检测是否包含任意动物关键词
    str_detect(post_caption, regex("dog|cat|walrus", ignore_case = TRUE)) ~ "animal_post",
    # 检测是否包含任意其他类关键词
    str_detect(post_caption, regex("space|rocks|trees", ignore_case = TRUE)) ~ "other_post",
    # 其他情况保留原post_type
    TRUE ~ post_type
  ))

进阶优化：匹配完整单词（避免误匹配） #

如果需要确保匹配的是完整单词（比如不想把"doggy"识别成"dog"），可以加上单词边界\\b：

post_info %>%
  mutate(post_type_r = case_when(
    str_detect(post_caption, regex("\\bdog\\b|\\bcat\\b|\\bwalrus\\b", ignore_case = TRUE)) ~ "animal_post",
    str_detect(post_caption, regex("\\bspace\\b|\\brocks\\b|\\btrees\\b", ignore_case = TRUE)) ~ "other_post",
    TRUE ~ post_type
  ))

运行结果 #

执行后会得到新变量post_type_r，对应结果为："animal_post", "animal_post", "animal_post", "other_post"，完全符合需求。

内容的提问来源于stack exchange，提问作者RMRH