R - 在列中查找模式并替换它（更有效的解决方案）

Question

我有一个大型的每条路线乘客数据集，类似于以下内容：

routes <- c("MEX-GDL", "ACA-MEX", "CUN-MTY", "MTY-CUN", "GDL-MEX", "MEX-ACA")
pax <- sample(100:500, size = 6, replace = T)
traffic <- data.frame(routes = routes, pax = pax)

   routes pax
   1 MEX-GDL 282
   2 ACA-MEX 428
   3 CUN-MTY 350
   4 MTY-CUN 412
   5 GDL-MEX 474
   6 MEX-ACA 263

如果出发地和目的地匹配，我想对航班进行分组，以获得路线中的乘客总数 - 例如，将路线 MEX-GDL 重命名为 GDL-MEX 或反之亦然，这样我就可以然后在数据集上使用 group_by()。

有点像这样：

traffic %>% group_by(routes) %>% summarise(sum(pax))

我已完成以下操作并且有效，但我相信可以有更有效的方法来解决问题（因为运行需要相当长的时间）：

library(tidyverse)

traffic$routes <- as.character(traffic$routes)

for(route in traffic$routes){
  a <- substring(route, first = 1, last = 3) 
  b <- substring(route, first = 5, last = 7)
  aux <- which(sapply(traffic$routes, str_detect, pattern = paste0(b,"-",a)))
  traffic$routes[aux] <- paste0(a,"-",b)
}

有什么建议吗？

感谢您的帮助！

注意：这是我的第一个问题，所以我希望我遵守了所有准则。

Answer 1

我们可以separate分成两列，按pmax或pmin分组，得到sum

library(tidyverse)
traffic %>% 
   separate(routes, into = c("Col1", "Col2")) %>%
   group_by(ColN = pmin(Col1, Col2), ColN2 = pmax(Col1, Col2)) %>% 
   summarise(Sum = sum(pax))

Answer 2

data.table版本

数据：(?I READ THIS)

traffic <- data.frame(routes = I(routes), pax = pax)

library(data.table)
setDT(traffic)[,routes := sapply(strsplit(routes, split="-"), function(x) paste0(sort(x),collapse = "-"))][,.(Sum = sum(pax)), by = routes]

结果：（值因 sample 函数而不同）

#    routes Sum
#1: GDL-MEX 621
#2: ACA-MEX 595
#3: CUN-MTY 266

如果您将数据与 ?sample 一起使用，请使用 ?set.seed。

R - 在列中查找模式并替换它（更有效的解决方案）

R - finding pattern in a column and replacing it (more efficient solution)

substring

r

sapply