R语言基于两列字符串匹配新增列（兼容NA值）实现方法

需求说明 #

现有人员岗位数据集结构如下：

NAME         JOB TITLE           ROLE DESCRIPTION
Mark         Cyber specialist    N/A
Peter        Manager             Manager with focus on cyber
Steven       CFO                 N/A
Lucas        VP                  General manager technology safety

需要新增Cyber Job列标识岗位是否为网络相关：

• Mark、Peter、Lucas所在行值为1（代表网络相关）
• 判断逻辑需同时参考JOB TITLE、ROLE DESCRIPTION两列内容，兼容字段存在N/A/空值的场景
  已知单列正则匹配实现代码如下，缺少两列联合判断的写法：

pattern <- paste(c("cyber", "Cyber", "technology", "Technology", "computer", "Computer"), collapse = "|")
df <- df %>% 
  mutate(`Cyber Job` = ifelse(str_detect('column', pattern), 1, 0))

实现代码 #

先优化匹配规则：正则匹配开启忽略大小写参数，无需手动枚举关键词的大小写变体，简化代码。两列判断采用任意一列命中关键词即标记为1的逻辑，同时对匹配产生的NA值做兜底处理，避免字段为N/A时计算出错。

library(tidyverse)

# 定义匹配规则，忽略大小写
match_pattern <- regex("cyber|technology|computer", ignore_case = TRUE)

df <- df %>%
  mutate(
    # 两列做逻辑或判断，任意一列命中即为TRUE，转整数后TRUE对应1、FALSE对应0
    `Cyber Job` = as.integer(
      str_detect(`JOB TITLE`, match_pattern) | str_detect(`ROLE DESCRIPTION`, match_pattern)
    ),
    # 字段为N/A导致的匹配结果NA，统一替换为0（未命中）
    `Cyber Job` = replace_na(`Cyber Job`, 0)
  )

结果验证 #

运行代码后输出完全符合预期：

• Mark：JOB TITLE含"Cyber"命中，标记为1
• Peter：ROLE DESCRIPTION含"cyber"命中，标记为1
• Lucas：ROLE DESCRIPTION含"technology"命中，标记为1
• Steven：两列均无匹配关键词，标记为0
• 所有N/A字段不会触发报错，均按未命中关键词正常处理。

内容的提问来源于stack exchange，提问作者Robbert