在 R 中转换字符串答案

【问题标题】：Transforming character strings in R在 R 中转换字符串
【发布时间】：2010-08-28 08:28:35
【问题描述】：

我必须合并到 R 中的数据框。这两个数据框共享一个公共 id 变量，即主题的名称。但是，一个数据框中的名称部分大写，而在另一个数据框中则小写。此外，名称以相反的顺序出现。以下是来自数据帧的示例：

DataFrame1$Name:
"Van Brempt Kathleen"
"Gräßle Ingeborg"
"Gauzès Jean-Paul"
"Winkler Iuliu" 

DataFrame2$Name:
"Kathleen VAN BREMPT" 
"Ingeborg GRÄSSLE"
"Jean-Paul GAUZÈS"
"Iuliu WINKLER"

在 R 中有没有办法让这两个变量可用作合并数据帧的标识符？

最好的，托马斯

【问题讨论】：

标签： r data-structures statistics

【解决方案1】：

您可以使用 gsub 来转换周围的名称：

> names
[1] "Kathleen VAN BREMPT" "jean-paul GAULTIER" 
> gsub("([^\\s]*)\\s(.*)","\\2 \\1",names,perl=TRUE)
[1] "VAN BREMPT Kathleen" "GAULTIER jean-paul" 
>

首先匹配第一个空格之前的任何内容，然后匹配之后的任何内容，然后切换它们。然后根据需要添加 tolower() 或 toupper()，并使用 match() 加入数据框。

不过，祝 Grassle 与 Graßle 相匹配。很多其他的东西也可能会咬你，比如两个名字用空格隔开的人，或者列出一个标题的人！

巴里

【讨论】：

谢谢巴里，你说得对，这不是没有问题的，我很可能不得不手工做一些事情，但希望这会减少一点工作量:)

【解决方案2】：

这是一个完整的解决方案，它结合了目前提供的两种部分方法（并克服了 Spacedman 表达的关于“将 Grassle 与 Graßle 匹配”的担忧）：

DataFrame2$revname <- gsub("([^\\s]*)\\s(.*)","\\2 \\1",DataFrame2$Name,perl=TRUE)
DataFrame2$agnum <-sapply(tolower(DataFrame2$revname), agrep, tolower(DataFrame1$Name) )
DataFrame1$num <-1:nrow(DataFrame1)
merge(DataFrame1, DataFrame2, by.x="num", by.y="agnum")

输出：

  num              Name.x              Name.y             revname

1   1 Van Brempt Kathleen Kathleen VAN BREMPT VAN BREMPT Kathleen
2   2     Gräßle Ingeborg    Ingeborg GRÄSSLE    GRÄSSLE Ingeborg
3   3    Gauzès Jean-Paul    Jean-Paul GAUZÈS    GAUZÈS Jean-Paul
4   4       Winkler Iuliu       Iuliu WINKLER       WINKLER Iuliu

如果 DatFrame1 的行名仍然按顺序编号（默认情况下），则不需要第三步。合并语句将是：

merge(DataFrame1, DataFrame2, by.x="row.names", by.y="agnum")

-- 大卫。

【讨论】：

【解决方案3】：

您能否为每个数据框添加一个额外的列/变量，它是原始名称的小写版本：

DataFrame1$NameLower <- tolower(DataFrame1$Name)
DataFrame2$NameLower <- tolower(DataFrame2$Name)

然后对此进行合并：

MergedDataFrame <- merge(DataFrame1, DataFrame2, by="NameLower")

【讨论】：

抱歉 - 我也错过了有关反向排序的内容，您必须编写一个自定义函数将所有大写文本移动到名称的开头，并将其小写。
谢谢 Joel，你知道如何编写这样的函数吗？

【解决方案4】：

除了使用 gsub 重新排列名称的答案之外，您可能还想查看 agrep 函数，它会查找近似匹配项。您可以将其与 sapply 一起使用来查找从一个数据帧到另一个数据帧的匹配行，例如：

> sapply( c('newyork', 'NEWJersey', 'Vormont'), agrep, x=state.name, ignore.case=TRUE )
  newyork NEWJersey   Vormont 
       32        30        45

【讨论】：