替换部分字符串(文本挖掘)

时间:2016-08-23 12:45:59

标签: r text-mining

我想替换"替换"从df $ x到df $ y列的第一个单词的字符串中的一部分。我有这样的df:

x                 y
ABC-Replace-YUI   M46 Hello
CBD-Replace-TYU   MD5 Hello
DBE-Replace-RTY   M6 Hello
EBF-Replace-ERT   M79 Hello
FBG-Replace-WER   MMM8 Hello

我想获得以下数据:

x               y
ABC-M46-YUI     M46 Hello
CBD-MD5-TYU     MD5 Hello
DBE-M6-RTY      M6 Hello
EBF-M79-ERT     M79 Hello
FBG-MMM8-WER    MMM8 Hello

不幸的是,我没有文本挖掘的经验,我需要最有效的方法来做到这一点,因为我有一个巨大的数据集,每行都有类似的替换。谢谢。

3 个答案:

答案 0 :(得分:2)

我们可以使用str_replace将'替换'替换为'y'列中每个字符串的第一个单词(使用word提取)

library(stringr)
df1$x <- str_replace(df1$x, "Replace", word(df1$y,1))
df1$x
#[1] "ABC-M46-YUI"  "CBD-MD5-TYU"  "DBE-M6-RTY"   "EBF-M79-ERT"  "FBG-MMM8-WER"

数据

df1 <- structure(list(x = c("ABC-Replace-YUI", "CBD-Replace-TYU", "DBE-Replace-RTY", 
"EBF-Replace-ERT", "FBG-Replace-WER"), y = c("M46 Hello", "MD5 Hello", 
"M6 Hello", "M79 Hello", "MMM8 Hello")), .Names = c("x", "y"), 
class = "data.frame", row.names = c(NA, -5L))

答案 1 :(得分:1)

我猜 -Replace - 指的是位置而不是精确的单词,因此替换替换本身是错误的,但要识别 - 内容 - 在此位置,替换

 df1 <- data.frame(x = c("ABC-Replace-YUI", 
         "CBD-anything-TYU", "DBE-test-RTY", 
         "EBF-bad-ERT", "FBG-good-WER"), 
          y = c("M46 Hello", "MD5 Hello", 
                "M6 Hello", "M79 Hello", 
                "MMM8 Hello"))
                     x          y
    1  ABC-Replace-YUI  M46 Hello
    2 CBD-anything-TYU  MD5 Hello
    3     DBE-test-RTY   M6 Hello
    4      EBF-bad-ERT  M79 Hello
    5     FBG-good-WER MMM8 Hello

因此,您可以使用y中的第一个单词替换--之间的内容。

library(stringr)
df1$x2 <- mapply(gsub,
                 "(?<=\\-).*?(?=\\-)", 
                 word(df1$y,1), df1$x, perl = T)

df1
                 x          y           x2
1  ABC-Replace-YUI  M46 Hello  ABC-M46-YUI
2 CBD-anything-TYU  MD5 Hello  CBD-MD5-TYU
3     DBE-test-RTY   M6 Hello   DBE-M6-RTY
4      EBF-bad-ERT  M79 Hello  EBF-M79-ERT
5     FBG-good-WER MMM8 Hello FBG-MMM8-WER

答案 2 :(得分:0)

您可以使用stri_extract_first_words包中的stringi获取第一个字,然后使用sub

以矢量化方式应用mapply函数
library(stringi)
df1$x <- mapply(sub, "Replace", stri_extract_first_words(df1$y), df1$x, 
                                                                USE.NAMES = FALSE)

df1$x
#[1] "ABC-M46-YUI"  "CBD-MD5-TYU"  "DBE-M6-RTY"   "EBF-M79-ERT"  "FBG-MMM8-WER"