修改两组行之间的所有字符串

如何解决修改两组行之间的所有字符串

我目前正在处理包含有关5570个巴西直辖市的信息的几个数据集，我经常不得不按名称进行合并。但是碰巧在状态之间重复了几个名称（在UF：行中命名）。数据集的示例是：

   <chr>       
 1 UF: Alagoas      
 2 IBATEGUARA  
 3 MARAGOGI    
 4 MESSIAS     
 5 PENEDO      
 6 PORTO CALVO 
 7 UF: Amazonas
 8 APUI        
 9 HUMAITA     
10 MANAQUIRI

我想要的是可以区分每个城市的州：

   <chr>       
 1 UF: Alagoas      
 2 IBATEGUARA (AL)
 3 MARAGOGI (AL) 
 4 MESSIAS (AL)     
 5 PENEDO (AL)      
 6 PORTO CALVO (AL)
 7 UF: Amazonas
 8 APUI (AM)      
 9 HUMAITA (AM)    
10 MANAQUIRI (AM)

有了这个，我将在每个地区都有一个唯一的名称。我尝试使用mutate_at并输入每个状态标识符之间的行，但是我想以一种更简单的方式在不同的数据集中执行此操作。如何修改两组行之间的所有字符串？

解决方法

一种选择是根据“ UF”字符串的出现来创建分组列

library(dplyr)
library(stringr)
df1 %>%
    group_by(grp = cumsum(str_detect(col1,'^UF:\\s+')) %>%
    mutate(newcol = toupper(str_extract(first(col1),'(?<=UF: )\\w{2}')),col1 = case_when(row_number() > 1 
                 ~ sprintf('%s (%s)',col1,newcol),TRUE ~ col1)) %>%
    ungroup %>%
    select(col1)        
   

,

我建议在新标签中创建新代码。这种方法使用tidyverse函数和base R：

#Data
df <- structure(list(V1 = c("UF: Alagoas","IBATEGUARA","MARAGOGI","MESSIAS","PENEDO","PORTO CALVO","UF: Amazonas","APUI","HUMAITA","MANAQUIRI")),class = "data.frame",row.names = c(NA,-10L))

代码：

我们检测到模式UF：

#Detect UF
i1 <- df$V1[which(grepl('UF:',df$V1))]
i2 <- which(grepl('UF:',df$V1))

现在，我们创建标签并设置其格式：

#Format labels
labs <- gsub('UF: ','',i1,fixed = T)
labs <- toupper(substr(labs,1,2))

我们分配了一个新变量来保存带有索引的标签：

#Create a new var and assign
df$Label <- NA
df$Label[i2] <- labs

我们完成变量：

#Now fill
df %>% fill(Label) -> df

我们准备好变量以删除UF行：

#Remove UF
df$Label[i2] <- NA

最后，我们过滤数据集：

#Format dataset
df <- df[!is.na(df$Label),]

输出：

            V1 Label
2   IBATEGUARA    AL
3     MARAGOGI    AL
4      MESSIAS    AL
5       PENEDO    AL
6  PORTO CALVO    AL
8         APUI    AM
9      HUMAITA    AM
10   MANAQUIRI    AM