更換在數據幀的山坳整個字符串基於字符的單元格中包含，R中

Question

我有兩個dataframes與包含世界上的國家名稱的公共列。但是這兩個數據框都不遵循相同格式的國名。例如，一個數據框表示朝鮮，另一個表示朝鮮民主主義人民共和國。另一個例子是馬其頓在一個數據框中，另一個例子是前南斯拉夫的馬其頓共和國。

我正在尋找一種方式來對這個國家列合併兩個dataframes，因爲它是唯一的公共列。我將不得不在多個不同的數據框上多次執行此操作。

我試圖

t<-as.data.frame(sapply(data, function(x) gsub("Yugoslav", "Macedonia",x))) 

但這搜索單詞在數據幀南斯拉夫和只替換南斯拉夫，而不是整個的馬其頓前南斯拉夫馬其頓共和國。

幫助讚賞。

Answer 1

的countrycode包是你的朋友。說明：

標準化的國名，將它們轉換爲11的一個編碼 方案，編碼方案之間進行轉換，並指定區域 描述。

例如...

countrycode(c("Macedonia", "The former Yugoslav Republic of Macedonia"), "country.name", "country.name") 
[1] "Macedonia, the former Yugoslav Republic of" 
[2] "Macedonia, the former Yugoslav Republic of" 

countrycode(c("North Korea", "Dem People's Rep of Korea"), "country.name", "iso3c") 
[1] "PRK" "PRK" 

Answer 2

您可以使用

• 包RgoogleMaps
• 功能coords2country()組合，從這個帖子Convert latitude and longitude coordinates to country name in R

以匹配國家/地區名稱。下面的示例代碼：

library(RgoogleMaps) 
library(sp) 
library(rworldmap) 

# <-- Copy code for coords2country here. --> 

# Geocode location names. 
geo_1 <- getGeoCode("Dem People's Rep of Korea") 
geo_2 <- getGeoCode("North Korea") 

# Transform geocodes to appropriate data tables. 
geo_1 <- data.table(t(rev(geo_1))) 
geo_2 <- data.table(t(rev(geo_2))) 

# Reverse geocode coordinates to country names. 
country_1 <- as.character(coords2country(geo_1)) 
country_2 <- as.character(coords2country(geo_2)) 

當country_1和country_2是你開始用相同的，那麼位置很可能是相同的。當然沒有保證。

Answer 3

@ DASH2已經提供了我認爲是最好的答案假設你與國名工作然而，如果你正在尋找一些更普遍的和/或東西，達到什麼這個問題的呼叫稱號對於或更緊密的例子相符，這裏是一個想法...

的gsub第一/ pattern參數是一個正則表達式，所以你可以匹配任何字符 /加入」前後，或您的匹配字符串後秒。 *「之前和之後它是這樣的...

gsub(".*Yugoslav.*", "Macedonia", "The former Yugoslav Republic of Macedonia") 

---

所以從上面的確切例如，固定的工作怎麼聽起來像你想會是什麼樣子？

t<-as.data.frame(sapply(data, function(x) gsub(".*Yugoslav.*", "Macedonia",x))) 

---

注意：gsub是矢量化，即它接受了x參數一個特徵向量，所以沒有必要通過sapply運行它。以下兩條命令都大致相當（雖然sapply加名的結果）...

sapply(data, function(x) gsub("Yugoslav", "Macedonia",x)) 
gsub("Yugoslav", "Macedonia", data) 

所以一個更好的版本你確切的例子是...

t <- as.data.frame(gsub(".*Yugoslav.*", "Macedonia", data)) 

---

假設您有一個數據框df，其中包含一個名爲country的列/向量，其中包含字符串，以下代碼將（全部）更改包含「南斯拉夫」到「馬其頓」的任何值（包括諸如「前南斯拉夫的馬其頓共和國」之類的字符串）在現有的da中TA幀...

df$country <- gsub(".*Yugoslav.*", "Macedonia", df$country) 

您將需要一個單獨的命令爲每一組要交換的字符串，所以我不認爲這是實現它，如果你有很多的變化做出最好的辦法，但也許你只是想做一些改變，或者你可能因爲某種原因想手動做每一項改變。