我有一个包含数百万个观测值的数据集。
该数据集的一列使用4或5个字符对这些观察结果进行分类。
我的目标是将此分类合并为较小的组，例如，我想将STARTS列中的所有值仅用“ A”替换为“ AA”（例如“ AABC”或“ AAUCC”）。我怎样才能做到这一点？
为了显示：
考虑到我的数据标记为“ f2016”，而我感兴趣的列是“ SECT16”，我一直在使用以下代码替换值：f2016$SECT16[f2016$SECT16 == "AABB"] <- "A"
但是我无法对数据集中的所有字母组合执行此操作。有没有办法可以保持前两个字母不变而进行相同的替换？
最佳答案
这是另一个base R解决方案：
f2016[startsWith(f2016$SECT16, "AA"),] <- "A"
# SECT16
# 1 A
# 2 A
# 3 ABBBBC
# 4 DDDDE
# 5 BABA
这将用本例中指定的前缀
chars替换AA。摘录自help(startsWith)。startsWith（）等效于但比其快得多
substring（x，1，nchar（prefix））==前缀
或者也
grepl（“ ^”，x）
其中prefix不包含特殊的正则表达式字符。
数据
f2016 <- data.frame(SECT16 = c("AAABBB", "AAAAAABBBB", "ABBBBC", "DDDDE", "BABA"), stringsAsFactors = F)