2

我想在数据框中多次用单个字母/单词替换多个字母/单词。举个例子，

一些数据：

df = data.frame(
      a = 1:8, 
      b = c("colour1 o", "colour2 O", "colour3 out",  "colour4 Out", 
            "soundi i", "soundr I", "sounde in", "soundw In"))

df
  a           b
1 1   colour1 o
2 2   colour2 O
3 3   colour3 out
4 4   colour4 Out
5 5    soundi i
6 6    soundr I
7 7    sounde in
8 8    soundw In

这是我要替换的内容：

df_repl <- list(
  O = c("o", "out", "Out"),
  In = c("i", "in", "I"))

所以 in df$b o, outandOut应该变成Oand i, inand Ibecome In，但前提是它们与任何其他单词之间用空格隔开，所以oincolour不是大写的。

这让我走到了一半，但我认为我需要另一个嵌套的 for 循环才能通过df_repl......

for (word in df_repl[[1]]){
  patt <- paste0('\\b', word, '\\b')
  repl <- paste(names(df_repl[1]))
  df$b <- gsub(patt, repl, df$b)
}

df
  a         b
1 1 colour1 O
2 2 colour2 O
3 3 colour3 O
4 4 colour4 O
5 5  soundi i
6 6  soundr I
7 7  sounde in
8 8  soundw In

上面o，变成but ，out并且没有改变，这里是所需的输出：OutOiinI

  a         b
1 1 colour1 O
2 2 colour2 O
3 3 colour3 O
4 4 colour4 O
5 5  soundi In
6 6  soundr In
7 7  sounde In
8 8  soundw In

在实际数据中，有两个以上的替换单词/字母，所以我不能再次重新运行 for 循环。我不依赖于 for 循环解决方案，但最好使用 base R，任何建议都非常感谢。

编辑

试图澄清我的问题：

每当o,out或中的一个Out发生时，df$b我想将其替换为O

每当i,in或中的一个I发生时，df$b我想将其替换为In

我可以像这样实现所需的输出：

for (word in df_repl[[1]]){
  patt <- paste0('\\b', word, '\\b')
  repl <- paste(names(df_repl[1]))
  df$b <- gsub(patt, repl, df$b)
}

for (word in df_repl[[2]]){
  patt <- paste0('\\b', word, '\\b')
  repl <- paste(names(df_repl[2]))
  df$b <- gsub(patt, repl, df$b)
}

但是在我的真实数据集中df_repl长度是 50 而不是两个所以我不想复制/粘贴/编辑/重新运行 for-loop 50 次

4

3 回答 3

1

这是另一种解决方案： 

library(stringr)
in1 <- str_split(df$b, " ", simplify = TRUE)[,1]
in2 <- str_split(df$b, " ", simplify = TRUE)[,2]

in2[in2 %in% c("o", "out", "Out")] <- "O"
in2[in2 %in% c("i", "in", "I")] <- "In"
df$b <- paste(in1, in2, sep=" ") 
df

如果您的数据中有很长的单词列表，您也可以移到c(word list) 外面：

in1<- str_split(df$b, " ", simplify = TRUE)[,1]
in2<- str_split(df$b, " ", simplify = TRUE)[,2]
o <- c("o", "Out", "Out")
i <- c("i", "in", "I") 
in2[in2 %in% o] <- "O"
in2[in2 %in% i] <- "In"
df$b <- paste(in1, in2, sep=" ") 
df

> df
  a         b
1 1 colour1 O
2 2 colour2 O
3 3 colour3 O
4 4 colour4 O
5 5 soundi In
6 6 soundr In
7 7 sounde In
8 8 soundw In
于 2019-10-10T04:52:24.070 回答
1

df_repl当您将它们粘贴到|（或）这些单词之间时，您可以跳过这些单词的循环，例如：

for(i in names(df_repl)) {
    df$b <- sub(paste(paste0("\\b",df_repl[[i]],"\\b"), collapse = "|")
                , i, df$b)
}
df
#  a         b
#1 1 colour1 O
#2 2 colour2 O
#3 3 colour3 O
#4 4 colour4 O
#5 5 soundi In
#6 6 soundr In
#7 7 sounde In
#8 8 soundw In
于 2019-10-10T07:05:16.673 回答
1

您可以尝试使用三个单独的调用sub：

df$b <- sub("\\bo\\b", "i", df$b)
df$b <- sub("\\bout\\b", "in", df$b)
df$b <- sub("\\bOut\\b", "I", df$b)

df

  a          b
1 1  colour1 i
2 2  colour2 O
3 3 colour3 in
4 4  colour4 I
5 5   soundi i
6 6   soundr I
7 7  sounde in
8 8  soundw In

要自动执行此操作，您可以尝试使用sapply索引：

terms_in <- c("o", "out", "Out")
pat <- paste0("\\b", terms_in, "\\b")
replace <- c("i", "in", "I")
sapply(seq_along(pat), function(x) {
    df$b <<- sub(pat[x], replace[x], df$b)
})
于 2019-10-10T01:53:14.797 回答