我有一个来自国家机构的数据集,正在尝试清理它。一个障碍是没有标题的输入标准(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)。此人是教员。他们年复一年地教书。但在 2015 年,除了教学职责外,他们还承担了一些被归类为非教师或豁免的工作。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,以帮助识别教师。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地归类为“非教师”。现在,我可以对“STIPEND/COORD FAC,EXMT EMP”做一个 grep 并将其也算作教员,但是有些人从不教书并且总是“STIPEND/COORD FAC,EXMT EMP”,所以应该是算作非教职员工。
为了解决这个问题,我想我应该创建第二个名称、职位和职位类别的数据集,清理它,然后将其合并回下面的数据,我将使用employee_name 和正确的工作加入。猫。但我想知道是否有更好的方法可以使用类似函数、ifelse 或 for 循环来执行此操作。
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)