如何在R中实现Stata的inlist、ustrregexm功能完成program列批量赋值

需求说明 #

• 匹配条件1：purposecode属于指定值列表：c(410, 41010, 41020, 41030, 41040, 41050, 41081, 41082)
• 匹配条件2：projecttitle、shortdescription、longdescription任意一列包含目标关键词：forest、wald、forêt、bosque、floresta、biodiver
• 匹配条件3：program列为空（未赋值）
• 满足上述所有条件时，将program列赋值为3

原代码报错原因 #

1. 逻辑运算类型不匹配：mutate()返回的是完整数据框，不能直接和逻辑值用&运算符做运算，触发类型错误
2. 逻辑关系错误：需求是任意列包含关键词即可，原代码用&要求所有列都匹配，和预期逻辑相反
3. 语法冗余：不需要多次调用mutate和case_when做重复判断

正确实现代码 #

Tidyverse（dplyr）版本 #

和你原代码使用的mutate语法兼容：

library(dplyr)

# 提前定义匹配规则，方便后续修改
target_purpose <- c(410, 41010, 41020, 41030, 41040, 41050, 41081, 41082)
keyword_pattern <- "forest|wald|forêt|bosque|floresta|biodiver"

df <- df %>%
  mutate(program = case_when(
    is.na(program) & 
      purposecode %in% target_purpose &
      (grepl(keyword_pattern, projecttitle, ignore.case = T) |
       grepl(keyword_pattern, shortdescription, ignore.case = T) |
       grepl(keyword_pattern, longdescription, ignore.case = T)) ~ 3,
    TRUE ~ program
  ))

基础R版本 #

无需加载第三方包，直接赋值：

target_purpose <- c(410, 41010, 41020, 41030, 41040, 41050, 41081, 41082)
keyword_pattern <- "forest|wald|forêt|bosque|floresta|biodiver"

match_index <- is.na(df$program) & 
  df$purposecode %in% target_purpose &
  (grepl(keyword_pattern, df$projecttitle, ignore.case = T) |
   grepl(keyword_pattern, df$shortdescription, ignore.case = T) |
   grepl(keyword_pattern, df$longdescription, ignore.case = T))

df$program[match_index] <- 3

说明 #

代码中ignore.case = TRUE参数对应Stataustrregexm的第三个参数1，实现忽略大小写的匹配，和原Stata逻辑完全一致。

内容的提问来源于stack exchange，提问作者Vivi S