Question

我有一个包含一系列字符串的数据框，其中一些字符串包含两个单词的短语，我想将其压缩为单个＆＃34;伪词＆＃34;。

在这个例子中，＆＃34;联合王国＆＃34;，＆＃34;沙特阿拉伯＆＃34;，＆＃34;欧洲联盟＆＃34;是我感兴趣的短语。我想替换＆＃34; 联合王国＆＃34;的所有实例。与＆＃34; unitedkingdom ＆＃34;，＆＃34; 沙特阿拉伯＆＃34;与＆＃34; saudiarabia ＆＃34;等等。

我的文本字符串数据框如下：

text.df <- as.data.frame(
c(
  "Lorem ipsum dolor sit saudi arabia adipiscing elit.", # Contains "saudi arabia"
  "Ut enim ad minim veniam united kingdom exercitation.", # Contains "united kingdom"
  "Excepteur sint european union deserunt saudi arabia laborum", # Contains "european union" and "saudi arabia"
  "Sed ut perspiciatis unde omnis error sit voluptate." # Contains nothing of interest
 ))
colnames(text.df) <- 'content'

我的查询数据框如下：

lookup <- data.frame(matrix(ncol = 2, nrow = 3))
lookup$X1 <- c('united kingdom', 'european union', 'saudi arabia')
lookup$X2 <- c('unitedkingdom', 'europeanunion', 'saudiarabia')

我的目标是返回一个如下所示的数据框：

> new.text.df
                                                    content
1        Lorem ipsum dolor sit saudiarabia adipiscing elit.
2       Ut enim ad minim veniam unitedkingdom exercitation.
3 Excepteur sint europeanunion deserunt saudiarabia laborum
4       Sed ut perspiciatis unde omnis error sit voluptate.
>

如果有人能够提供帮助，将不胜感激！提前谢谢。

Answer 1

withEnv(['HOME=.']) {
... 
...
}

Answer 2

你可以试试这个：

library(stringr)
transform_word <- function(text){
 for (i in 1:nrow(lookup))
  text <- stringr::str_replace_all(text,lookup$X1[i],lookup$X2[i])
 return(text)
}

text.df[,'content'] <- sapply(text.df[,'content'],transform_word)

R：使用查找表替换数据帧中的子字符串

2 个答案: