基于tidyverse实现DataFrame字符串匹配与分类列新增

嘿，这个需求用tidyverse的工具完全可以轻松实现，我给你整理了具体的代码和思路：

我们可以结合dplyr::mutate()、case_when()和stringr的字符串匹配函数，按优先级处理不同的分类规则，同时实现大小写兼容的部分匹配。

完整代码示例 #

library(tidyverse)

# 初始化你的数据框
x <- data.frame(
  name = c("Alice", "Alice", "Alice", "Bob", "Bob", "Charlie"),
  prod = c("Hard Hat", "Goggles", "Bus Fare", "Goggles", "Training", "Hard Hat, Laptop")
)

# 新增category分类列
x_with_category <- x %>%
  mutate(
    category = case_when(
      # 匹配Hard Hat或Goggles，大小写不敏感，归为PPE
      str_detect(prod, regex("hard hat|goggles", ignore_case = TRUE)) ~ "PPE",
      # 匹配Laptop，大小写不敏感，归为IT
      str_detect(prod, regex("laptop", ignore_case = TRUE)) ~ "IT",
      # 匹配含Bus的内容，大小写不敏感，归为Transport
      str_detect(prod, regex("bus", ignore_case = TRUE)) ~ "Transport",
      # 匹配Training相关内容，大小写不敏感，归为TRAINING
      str_detect(prod, regex("training", ignore_case = TRUE)) ~ "TRAINING",
      # 兜底规则：所有不匹配的情况设为NA（也可以改成"Other"这类自定义值）
      TRUE ~ NA_character_
    )
  )

# 查看最终结果
print(x_with_category)

关键细节解释 #

• 规则优先级：case_when()是按顺序匹配条件的，比如Charlie的prod同时包含Hard Hat和Laptop，会优先匹配到前面的PPE规则；如果需要IT优先级更高，调整规则顺序即可。
• 大小写兼容：通过regex(ignore_case = TRUE)实现，不管目标文本是大写、小写还是混合格式，都能精准匹配。
• 部分匹配：str_detect()默认支持部分匹配，只要prod字段包含目标关键词就会触发规则，比如"Bus Fare"里的"Bus"就能匹配到Transport分类。

运行结果 #

name             prod  category
1   Alice         Hard Hat       PPE
2   Alice          Goggles       PPE
3   Alice         Bus Fare Transport
4     Bob          Goggles       PPE
5     Bob         Training   TRAINING
6 Charlie Hard Hat, Laptop       PPE

内容的提问来源于stack exchange，提问作者Simon