高效的字符串搜索和替换

Question

我正在尝试清理包含职位名称的数据库中的大约 200 万个条目。许多人有几个缩写，我希望将它们更改为一个一致且更易于搜索的选项。到目前为止，我只是使用单独的mapply(gsub(...) 命令来浏览该列。但是我要进行大约 80 处更改，因此运行大约需要 30 分钟。 必须有更好的方法。我是字符串搜索的新手，我发现了 *$ 技巧，这很有帮助。有没有办法在单个mapply 中进行多次搜索？我想可能更快？ 任何帮助都会很棒。谢谢。

下面是一些代码。测试是一列包含 200 万个个人职位的列。

test <- mapply(gsub, " Admin ", " Administrator ", test)
test <- mapply(gsub, "Admin ", "Administrator ", test)
test <- mapply(gsub, " Admin*$", " Administrator", test)
test <- mapply(gsub, "Acc ", " Accounting ", test)
test <- mapply(gsub, " Admstr ", " Administrator ", test)
test <- mapply(gsub, " Anlyst ", " Analyst ", test)
test <- mapply(gsub, "Anlyst ", "Analyst ", test)
test <- mapply(gsub, " Asst ", " Assistant ", test)
test <- mapply(gsub, "Asst ", "Assistant ", test)
test <- mapply(gsub, " Assoc ", " Associate ", test)
test <- mapply(gsub, "Assoc ", "Associate ", test)

Answer 1

一种选择是使用来自library(qdap) 的mgsub

mgsub(patternVec, replaceVec, test)

数据

patternVec <- c(" Admin ", "Admin ")
replaceVec <- c(" Administrator ",  "Administrator ")

Answer 2

这是一个有效的基本 R 解决方案。您可以定义一个包含所有模式及其替换的数据框。然后你在行模式下使用apply() 并在你的test 向量上为每个模式/替换组合调用gsub()。这是演示此的示例代码：

df <- data.frame(pattern=c(" Admin ", "Admin "),
                 replacement=c(" Administrator ", "Administrator "))

test <- c(" Admin ", "Admin ")

apply(df, 1, function(x) {
                test <<- gsub(x[1], x[2], test)
             })

> test
[1] " Administrator " "Administrator "