Question

我有一个包含名称的大型数据集（超过60.000行）。但是，写下名称的格式有所不同，并且为了提高数据质量，我需要以单一格式重新编码名称。而不是复制粘贴recode-command，我想这样做，例如，在一个循环中。我列出了所有写错的名字，以及所有相应写错的名字。

所以基本上，我想做的是： 在list1中使用名称1并在list2中替换为名称1，然后在list1中使用名称2并在list2中替换为名称2，依此类推。使用gsub似乎没什么大不了的？但是...

我似乎接近了，但是输出仍然不是我想要的。有谁知道为什么或者比我现在做的更好的解决方案？

示例

> dput(list1)
c("Name1", "Name2", "Name3", "Name4", "Name5", "Name6", "Name7", 
"Name8", "Name9", "Name10")
> dput(list2)
c("test1", "test2", "test3", "test4", "test5", "test6", "test7", 
"test8", "test9", "test10")

我添加了打印命令，以查看实际发生的情况，它似乎可以正常工作：

for (i in 1:length(list1)){
  newlist <- gsub(paste0("\\<",list1[i], "\\>"), list2[i], list1)
  print(i)
  print(newlist[i])
}


[1] 1
[1] "test1"
[1] 2
[1] "test2"
[1] 3
[1] "test3"
[1] 4
[1] "test4"
[1] 5
[1] "test5"
[1] 6
[1] "test6"
[1] 7
[1] "test7"
[1] 8
[1] "test8"
[1] 9
[1] "test9"
[1] 10
[1] "test10"

但是当我问新列表是什么样子时：

> newlist
 [1] "Name1"  "Name2"  "Name3" 
 [4] "Name4"  "Name5"  "Name6" 
 [7] "Name7"  "Name8"  "Name9" 
[10] "test10"

此外，我尝试使用lapply并编写自己的函数...都无法实现我想要的方式：（

Answer 1

在循环外定义新列表，并在循环中一次仅更改一个索引

newlist = list1
for (i in 1:length(list1)){
  newlist[i] <- gsub(paste0("\\<",list1[i], "\\>"), list2[i], list1)[i]
}

Answer 2

您可以使用list1在sapply(list1, function(x) paste0("\\b",x,"\\b"))中创建正则表达式模式，然后将模式列表以及替换列表传递到qdap::mgsub function中：

list1 <- c("Name1", "Name2", "Name3", "Name4", "Name5", "Name6", "Name7", "Name8", "Name9", "Name10")
list2 <- c("test1", "test2", "test3", "test4", "test5", "test6", "test7", "test8", "test9", "test10")
regList1 <- sapply(list1, function(x) paste0("\\b",x,"\\b"))
qdap::mgsub(regList1, list2, "Name1 should be different. Name10, too.", fixed=FALSE)
## => [1] "test1 should be different. test10, too."

如果list1字符向量中的项目全部由字母数字或_字符组成，则此解决方案将起作用。否则，您还需要转义值，并以described here的方式使用PCRE regex。

Answer 3

您可以使用mapply进行此操作。

mapply(function(x, y){
  gsub(paste0("\\<",x, "\\>"), y, x)
}, list1, list2)

   Name1    Name2    Name3    Name4    Name5    Name6    Name7    Name8    Name9   Name10 
 "test1"  "test2"  "test3"  "test4"  "test5"  "test6"  "test7"  "test8"  "test9" "test10"

将unname()包裹起来以摆脱名称。

R：循环中的gsub替换名称

3 个答案: