基于grep函数的文本挖掘：分类列生成问题技术问询

我来帮你搞定这个需求！根据你描述的场景，这里有个清晰的R代码解决方案，完全符合你的要求：

核心思路 #

我们先从已有的call、bill、location这些类别列中提取每行的有效关键词，再根据关键词数量决定是列出类别名称还是标记为other。

步骤1：定义类别列并提取有效关键词 #

首先，我们先把需要检查的类别列统一存到一个向量里，然后逐行提取非0的类别名称：

# 定义所有需要检查的类别列（如果后续加新类别，直接在这里加列名就行）
category_cols <- c("call", "bill", "location")

# 给数据框添加一个临时列，存储每行的有效类别列表
vdftweet$category_list <- apply(vdftweet[category_cols], 1, function(row) {
  # 筛选出当前行中不是"0"的类别名称
  row[row != "0"]
})

步骤2：生成最终的category_name列 #

接下来，我们根据临时列里的类别数量生成目标列：

vdftweet$category_name <- sapply(vdftweet$category_list, function(categories) {
  if (length(categories) > 3) {
    # 超过3个类别，标记为'other'
    "other"
  } else {
    # 不超过3个，用逗号连接类别名称
    paste(categories, collapse = ", ")
  }
})

步骤3：清理临时列（可选） #

如果不需要保留临时的category_list列，可以直接删除：

vdftweet$category_list <- NULL

测试你的模拟数据 #

用你提供的模拟数据运行后，结果会是这样（整理成表格方便查看）：

额外提示 #

• 如果你的类别列里的0是数值型（不是字符型），记得把判断条件改成row[row != 0]，避免类型不匹配的报错。
• 要是后续新增了其他类别（比如你示例里的app），只需要把新列名加到category_cols向量里，代码就能自动适配。

内容的提问来源于stack exchange，提问作者ASSOND