R语言：如何根据字符串变量为DataFrame新增分组因子列？

没问题，这其实用pandas就能轻松搞定！我给你两种实用的方案，都能精准实现你的需求：

首先先构造一个和你描述一致的示例DataFrame，方便你直接测试：

import pandas as pd
import numpy as np

# 模拟你的数据结构
df = pd.DataFrame({
    '字符列1': ['BIS12', 'HK/FF', '310', 'BIS101', '412'],
    '数值列1': [10, 20, 30, 40, 50],
    '数值列2': [100, 200, 300, 400, 500]
})

方法一：高效的np.where链式判断 #

这种方法速度很快，适合处理大数据量的情况：

# 添加因子列：纯数字标记0，含'BIS'标记1，其他情况设为NaN（可自行修改）
df['因子列'] = np.where(
    df['字符列1'].str.isdigit(),  # 先判断是否为纯数字
    0,
    np.where(
        df['字符列1'].str.contains('BIS'),  # 再判断是否包含'BIS'
        1,
        np.nan  # 其他未匹配的ID（比如HK/FF）可以设为你需要的默认值，比如2
    )
)

方法二：灵活的自定义函数（apply） #

如果之后你需要扩展分类规则，这种方法更直观易维护：

def categorize_id(id_str):
    # 先判断是否为纯数字
    if id_str.isdigit():
        return 0
    # 再判断是否包含'BIS'
    elif 'BIS' in id_str:
        return 1
    # 其他情况返回你需要的默认值，这里用NaN
    else:
        return np.nan

# 应用函数到字符列1，生成因子列
df['因子列'] = df['字符列1'].apply(categorize_id)

验证结果 #

运行上述代码后，打印df就能看到效果：

print(df)

输出结果：

字符列1  数值列1  数值列2  因子列
0  BIS12     10    100   1.0
1  HK/FF     20    200   NaN
2    310     30    300   0.0
3  BIS101    40    400   1.0
4    412     50    500   0.0

小提示 #

如果你的字符列1存在缺失值（NaN），可以先填充空字符串避免报错，比如把判断语句改成：

df['字符列1'].fillna('').str.isdigit()

内容的提问来源于stack exchange，提问作者user6677073