R gsub 从 x 列中的单词中删除 y 列中的单词答案

【问题标题】：R gsub remove words in column y from words in column xR gsub 从 x 列中的单词中删除 y 列中的单词
【发布时间】：2016-12-08 21:20:47
【问题描述】：

我正在尝试使用 gsub 删除 y 列中 x 列中的单词/文本。

x = c("a","b","c")
y = c("asometext", "some, a b text", "c a text")
df = cbind(x,y)
df = data.frame(df)
df$y = gsub(df$x, "", df$y)

如果我运行上面的代码，它只会删除 x 列第 1 行中的文本，而不是所有行：

> df
  x             y
1 a      sometext
2 b some,  b text
3 c       c  text

我希望最终结果是：

> df
  x             y
1 a      sometext
2 b      some,   text
3 c      text

因此，x 列中的所有单词/字母都应从 y 列中删除。使用 gsub 可以吗？

【问题讨论】：

df$y <- mapply(gsub, df$x, "", df$y) 可以工作

标签： r gsub

【解决方案1】：

通常gsub 采用三个参数 1) 模式、2) 替换和 3) 向量来替换值。

模式必须是单个字符串。更换也是如此。函数中唯一对多个值开放的部分是向量。正因为如此，我们称之为矢量化。

gsub(df$x, "", df$y)  #doesn't work because 'df$x' isn't one string

pattern 参数没有向量化，但我们可以使用mapply 来完成任务。

mapply 和 gsub (bffs)

x = c("a","b","c")
y = c("asometext", "some, a b text", "c a text")
repl = ""

#We do
mapply(gsub, x, repl, y)

#On the inside
gsub(x[[1]], repl[[1]], y[[1]])
gsub(x[[2]], repl[[2]], y[[2]])
gsub(x[[3]], repl[[3]], y[[3]])

您可能会问，但我只有一个repl，repl[[2]] 和repl[[3]] 是如何工作的？该函数注意到我们并重复“repl”直到它等于其他的长度。

【讨论】：

您好，谢谢！这可行，但它只会从同一行中删除 x，因此如果 y 列中的第 2 行包含“b”，并且 x 列中的第 1 行包含“b”，那么它将不会被删除。有解决办法吗？
试试gsub(paste(df$x, collapse ="|"), "", df$y)
谢谢！这正是我想要的！
这是我在任何 R 函数上见过的最好的解释，谢谢！赞成！

【解决方案2】：

这是使用 str_remove_all 的解决方案：

library(stringr)    
x  = c("a","b","c")
y  = c("asometext", "some, a b text", "c a text")
df = cbind(x,y)
df = data.frame(df,stringsAsFactors = F)

# creating a format of "[abc]" to use in str_remove_all
comb_a = paste0("[",paste(df$x,collapse = ""),"]")

df$y = sapply(df$y, function(r) str_remove_all(r, comb_a) )
df

【讨论】：

【解决方案3】：

我在一个非常大的数据集上尝试了上述答案，发现这段代码效果最好：

x = c("a","b","c")
y = c("asometext", "some, a b text", "c a text")

library(qdap)

z<- mgsub(x, "", y)

它给出了所需的解决方案：

z: "sometext", "some,  text", "  text"

这是因为 mgsub 函数是 gsub 的包装器，它采用搜索词向量和替换向量或单个值，我发现它比 gsub 更强大，尤其是在处理大型数据集时。它完成了 gsub 需要 2-3 行代码来完成的工作。

虽然上述 gsub(paste0) 解决方案适用于非常小的数据集，但我发现它对于大型数据集返回错误。

Mac 用户注意事项：在安装 qdap 软件包之前，请确保您的计算机上已预先安装了 java 和 pdk (oracle) 软件。 otw 您在安装/尝试运行 qdap 包时会遇到错误，因为它是基于 java 的。

【讨论】：

【解决方案4】：

这是使用 for 循环实现的一种方法

output <- y
for (i in 1:3){
    output <- gsub(pattern = x[i],
                 replacement = "",
                 output)
}
print(output)

你会得到的结果：

    print(output)
[1] "sometext"     "some,   text" "  text"

【讨论】：