在R中，如何用另一個字符串替換包含特定模式的字符串？

我正在研究一個涉及清理大學專業數據清單的項目。我發現很多拼寫錯誤，所以我正在使用函數gsub()來替換拼寫錯誤的拼寫錯誤。例如，說'biolgy'拼寫錯誤的專業稱爲主要名單。我如何讓R檢測拼寫錯誤並將其替換爲正確的拼寫？我試過gsub('biol', 'Biology', Major)，但是它只替換了'biolgy'中的前四個字母。如果我做gsub('biolgy', 'Biology', Major)，它僅適用於這種情況，但這並不能檢測到其他形式的「生物學」拼寫錯誤。在R中，如何用另一個字符串替換包含特定模式的字符串？

謝謝！

來源

2011-03-14 Alan

您應該定義一些漂亮的正則表達式，或者使用agrep從base包。 stringr包是另一種選擇，我知道人們使用它，但我是一個非常巨大的正則表達式的粉絲，所以對我來說這是一個禁忌。

反正agrep應該做的伎倆：

agrep("biol", "biology") 
[1] 1 
agrep("biolgy", "biology") 
[1] 1

編輯：

您還應該使用ignore.case = TRUE，但要準備「手動」做一些簿記...

來源

2011-03-14 18:43:23 aL3xa

感謝您的回覆，我剛剛與agrep一起玩過。我發現它只是返回一個整數（我猜對應於更改的字符串的數量），但它實際上是否執行更改？例如，假設我有動物= c（「老鼠」，「狗」，「貓」）。如果我想用「奶酪」代替鼠標，那麼我可以使用agrep（「mou」，「奶酪」，動物）嗎？當我這樣做時它返回一個整數（0）。謝謝！！ – Alan 2011-03-14 18:57:36

'agrep'返回矢量指數，所以你可以很容易地使用下標來指定一個值：'動物[agrep（「mou」，動物）] < - 「奶酪」' – aL3xa 2011-03-14 19:10:04

非常感謝你:) – Alan 2011-03-14 19:19:07

您可以設置所有可能拼寫錯誤的矢量，然後通過gsub調用進行循環。喜歡的東西：

biologySp = c("biolgy","biologee","bologee","bugs") 

for(sp in biologySp){ 
    Major = gsub(sp,"Biology",Major) 
}

如果你想要做的事聰明，看看是否有關於CRAN任何模糊匹配的軟件包，或使用「同音」匹配的東西....

維基百科頁面上約。字符串匹配可能會很有用，並嘗試在某些關鍵術語中搜索R-help。

http://en.wikipedia.org/wiki/Approximate_string_matching

來源

2011-03-14 18:32:40 Spacedman

'base'包中已經有模糊匹配：'agrep'函數可以做到這一點。請參閱下面的答案。 – aL3xa 2011-03-14 18:49:27

你可以首先匹配專業與可用專業名單，任何不匹配，然後可能misspellings。然後使用agrep函數將這些與已知專業相匹配（agrep進行近似匹配，所以如果它與正確的值相似，那麼您將得到一個匹配）。

來源

2011-03-14 18:44:48

對於重整專業的學生來說，像replace（剩餘的主要，agrep（「生物學」，剩下的主要），「生物學」）這樣的東西應該這樣做。 – hatmatrix 2011-03-14 18:50:27

（但請查閱'remainingMajor [agrep（「biology」，remainingMajor）]'以查看您將要替換的內容） – hatmatrix 2011-03-14 18:51:35

的VWR包有一個用於字符串匹配的方法：

http://ftp.heanet.ie/mirrors/cran.r-project.org/web/packages/vwr/index.html

所以最好的辦法可能是使用字符串以從可能的主題串最小Levenshtein距離：

> levenshtein.distance("physcs",c("biology","physics","geography")) 
    biology physics geography 
     7   1   9

如果您獲得相同的最小值，然後翻轉一枚硬幣：

> levenshtein.distance("biolsics",c("biology","physics","geography")) 
    biology physics geography 
     4   4   8

來源

2011-03-15 10:50:24 Spacedman

實施例1a）的perl/Linux的正則表達式：'s/oldstring/newstring/'

實施例1b）R等效1a的：srcstring=sub(oldstring, newstring, srcstring)

實施例2a）的perl/Linux的正則表達式：'s/oldstring//'

實施例2b）R等效2a的：srcstring=sub(oldstring, "", srcstring)

來源

2014-11-16 04:38:35 cspoleta

在R中，如何用另一個字符串替換包含特定模式的字符串？

回答

相關問題