管理未在 R 中作为重复项输入的重复项

Question

我有一个来自国家机构的数据集，我正在尝试清理它。一个障碍是标题没有输入标准（例如，DIR、DIRECTOR、DIR.，都是允许的输入）。另一个障碍是一个人可能有多个职位，但只输入其中一个。

例如，考虑下面的员工 #1 (Emp_1)。这个人是教员。他们年复一年地教书。但在2015年，除了教学工作，他们还接了一些属于non-faculty，免除的工作。但他们的“真正”分类是教师。在此示例中，已为 Emp_1 提供了两条记录。我做了一个快速的 grep 来创建一个名为“job.cat”的新分类，它有助于识别教师。但是在下面的 Emp_1 和 Emp_4 的情况下，您可以看到它们被错误分类为“non-faculty”。现在，我可以为“STIPEND/COORD FAC，EXMT EMP”做一个 grep，并将其也算作教师，但有些人从不教书，而且总是“STIPEND/COORD FAC，EXMT EMP”，所以应该算作 non-faculty.

为了解决这个问题，我想我应该创建第二个数据集，包括姓名、职位和职位类别，清理它，然后将它合并回下面我将使用 employee_name 和正确的工作。猫。但我想知道是否有更好的方法使用类应用函数、ifelse 或 for-loop 来执行此操作。

d <- read.table(text = 'employee_name   job_title   Salary_2012 Salary_2013 Salary_2014 Salary_2015 job.cat
Emp_1   FACULTY 31200   37400   33300   NA  Faculty
Emp_1   "STIPEND/COORD FAC,EXMT EMP"  NA  NA  NA  37300   Non-fac
Emp_2   FACULTY 29300   28400   31800   NA Faculty
Emp_2   "PART TIME FACULTY"   NA  NA  NA  30800   Faculty
Emp_3   FACULTY NA  NA  4300    NA  Faculty
Emp_4   FACULTY 50000   59900   31300   NA  Faculty
Emp_4   "STIPEND/COORD FAC,EXMT EMP"  NA  NA  NA  22000   Non-fac', header = TRUE)

Answer 1

我认为您可以通过按 employee_name 对结果进行分组来解决此问题，检查该员工是否有任何教师职位，然后将其定义为教师：

library(dplyr)
d %>% 
  group_by(employee_name) %>% 
  mutate(job.cat = ifelse(any(grep("FACULTY",job_title)),"Faculty", "Non-fac"))

您的其他问题可能有类似的解决方案：

d %>% 
  group_by(employee_name) %>% 
  mutate(job_title = ifelse(any(grep("DIR",job_title)),"Director", job_title))

管理未在 R 中作为重复项输入的重复项

Managing duplicates that are not entered as duplicates in R

r

duplicates

data-munging