1

我在表格中有一列标题，并且想删除单独表格/向量中列出的所有单词。

例如，标题表：

“Lorem ipsum dolor”
“sit amet, consectetur adipiscing”
“elit, sed do eiusmod tempor”
“incidudunt ut labore”
“et dolore magna aliqua”。

待删除：c("Lorem", "dolore", "elit")

输出：

“ipsum dolor”
“sit amet, consectetur adipiscing”
“, sed do eiusmod tempor”
“incidudunt ut labore”
“et magna aliqua”。

列入黑名单的单词可能会出现多次。

tm 包具有此功能，但在应用于 wordcloud 时。我需要的是保持列完好无损，而不是将所有行连接成一个字符串。当给定一组值作为模式时，正则表达式函数 (gsub()) 似乎不起作用。Oracle SQL 解决方案也很有趣。

4

4 回答 4

3 
lorem <- c("Lorem ipsum dolor",
           "sit amet, consectetur adipiscing",
           "elit, sed do eiusmod tempor",
           "incididunt ut labore",
           "et dolore magna aliqua.")

to.delete <- c("Lorem", "dolore", "elit")

output <- lorem
for (i in to.delete) {
  output <- gsub(i, "", output)
}

这给出了：

[1] " ipsum dolor"                     "sit amet, consectetur adipiscing"
[3] ", sed do eiusmod tempor"          "incididunt ut labore"            
[5] "et  magna aliqua."
于 2015-12-08T14:59:14.623 回答
2

首先读取数据：

dat <- c("Lorem ipsum dolor",
           "sit amet, consectetur adipiscing",
           "elit, sed do eiusmod tempor",
           "incididunt ut labore",
           "et dolore magna aliqua.")
todelete <- c("Lorem", "dolore", "elit")

我们可以通过一些巧妙的粘贴来避免循环。这|是一个或所以我们可以粘贴它，允许我们删除任何循环：

gsub(paste0(todelete, collapse = "|"), "", dat)
于 2015-12-08T15:00:48.120 回答
2

你也可以使用stri_replace_all_fixed：

library(stringi)
lorem <- c("Lorem ipsum dolor",
           "sit amet, consectetur adipiscing",
           "elit, sed do eiusmod tempor",
           "incididunt ut labore",
           "et dolore magna aliqua.")

to.delete <- c("Lorem", "dolore", "elit")

#just a simple function call
library(stringi)
stri_replace_all_fixed(lorem, to.delete, '')

输出：

[1] " ipsum dolor"                     "sit amet, consectetur adipiscing" ", sed do eiusmod tempor"         
[4] "incididunt ut labore"             "et  magna aliqua."
于 2015-12-08T15:10:10.967 回答
2

-Package 具有为此实现的tm功能： tm:::removeWords.character

它的实现如下：

foo <- function(x, words){
  gsub(sprintf("(*UCP)\\b(%s)\\b", paste(sort(words, decreasing = TRUE), 
                                         collapse = "|")), "", x, perl = TRUE)
}

这给了你

gsub("(*UCP)\\b(Lorem|elit|dolore)\\b","", x, perl = TRUE)
于 2015-12-08T15:12:40.440 回答