homogénisation de valeurs de variables en texte

bonjour, je débute avec R.
je travaille sur un fichier INSEE.

ci-dessous un extrait de mon tableau nommé T
row.names coma liba comb libb n
2015 01053 Bourg-en-Bresse 13210 Marseille 10e Arrondissement 1.0094811
2016 01053 Bourg-en-Bresse 13216 Marseille 16e Arrondissement 3.6697433

je voudrai arriver à ce tableau
2015 01053 Bourg-en-Bresse 13055 Marseille 1.0094811
2016 01053 Bourg-en-Bresse 13055 Marseille 3.6697433

j'imagine 2 étapes : l'une où je supprime les "xxe Arrondissement" et l'autre où je sélectionne le champ 'Marseille' pour modifier le code insee correspondant.

Quelqu'un pourrait-il m'aider? merci

bonsoir

j'ai essayé de supprimer la chaine "1er arrondissement" ... "16 arrondissement" de Marseille pour la variable libb (mon idée etant de recommencer pour Paris, Lyon et de faire pareil pour la variable liba.

voici mon code (qui ne marche pas !!)

Code:

---

paca$libb[paca$libb %in% c("Marseille 1er Arrondissement","Marseille 2e Arrondissement","Marseille 3e Arrondissement","Marseille 4e Arrondissement","Marseille 5e Arrondissement","Marseille 6e Arrondissement","Marseille 7e Arrondissement","Marseille 8e Arrondissement","Marseille 9e Arrondissement","Marseille 10e Arrondissement","Marseille 11e Arrondissement","Marseille 12e Arrondissement","Marseille 13e Arrondissement","Marseille 14e Arrondissement","Marseille 15e Arrondissement","Marseille 16e Arrondissement")] <-"Marseille"

---

Voici le message d'erreur :

Citation:

---

Warning message:
In `[<-.factor`(`*tmp*`, paca$libb %in% c("Marseille 1er Arrondissement", :
invalid factor level, NA generated

---

Quelqu'un pourrait m'aider ?
Merci

Bonjour,

Commencez par convertir la variable libb en chaîne de caractères. Pour le moment, c'est un facteur et "Marseille" ne fait pas partie de ses niveaux :

Code:

---

paca$libb <- as.character(paca$libb)

---

Ensuite, vous pouvez essayer de remplacer le contenu...

Avec une regex pas besoin de listes à rallonge.
Comme un nom de commune est pas censée avoir des numéros, on peux par exemple ne garder que ce qu'il y a avant un numéro :

Code:

---

sub("^(.+) [1-9].+$","\\1","Marseille 10e Arrondissement")

---

merci CED , cela a fonctionné du 1er coup !

merci également THETA , je n'avais pas penser à cette approche. Par contre, après essai: la ligne donne "marseille" mais je ne sais pas comment l'utiliser...

mon défi continue, j'essaie de mettre à jour les codes insee correspondants à mes nouveaux libellés Marseille, Lyon et Paris.
paca$libb[which(paca$libb="Marseille"), paca$comb<-"13055" ce 1er test ne marche pas...

Plutôt quelque chose comme ça :

Code:

---

paca$comb[paca$libb == "Marseille"] <- "13055"

---

Merci encore CED. La commande est passée sans problème.

J'ai rectifié les codes insee et les libellés des communes étrangères, puis j'ai agrégé les lignes multiples en sommant sur n (paca3<-aggregate(n~coma+liba+comb+libb, data=paca,sum) (ça peut servir à quelqu'un).
Ensuite j'ai importé un fichier shape (commune métropole), puis à partir d'un code insee , j'ai tenté d'extraire les coordonnées x y correspondantes de la table commune métropole (je me suis inspiré pour tout ça de tutos trouvés sur la toile).
Pour le moment je suis bloqué, car la table commune contient des arrondissements, ce qui me génère des cellules NA.
Je vais régler le problème avec QGIS.... en modifiant le shape de commune.

Dès que j'ai terminé, je reviens pour la suite du défi car ça s'annonce compliqué ...!