Question

我想从一组全名中删除一组后缀（后缀和全名都是字符向量）。使用两个for()循环和gsub()这很容易，但似乎应该有一种更有效的方法（在代码行和时钟周期中）。

我的第一个想法是rapply()，但我无法让它发挥作用。也许for()循环是最好的方法，但此时我对更好地理解rapply()

感兴趣

这是for()循环版本。

names.full <- c("tom inc", "dick co", "harry incorp", "larry inc incorp", "curly", "moe")
suffix <- c("inc", "incorp", "incorporated", "co", "company")
suffix <- paste(" ", suffix, "$", sep = "")

# with loops
names.abbr <- names.full
for (k in seq(2)) {
    for (i in seq(length(names.abbr))) {
        for (j in seq(length(suffix))) {
            names.abbr[i] <- gsub(suffix[j], "", names.abbr[i])
        }
    }
}

我失败的rapply()版本。

# with rapply
inner.fun <- function(y, x) {
    rapply(as.list(x), function(x) gsub(y, "", x), how = "replace")
}
names.abbr.fail <- unlist(rapply(as.list(suffix), inner.fun, x = names.full, how = replace))

出现以下错误：

> names.abbr.fail <- unlist(rapply(as.list(suffix), inner.fun, x = names.full, how = replace))
Error in match.arg(how) : 'arg' must be NULL or a character vector

Answer 1

在您的示例中，您最终只会移除除第一个单词之外的所有单词。这很容易用

完成

sub(" .*$", "", names.full)

但更常见的regexpr模式类似于"(suffix1|suffix2)"，它包含所有后缀。

由于您似乎想要从"larry inc incorp"中删除一个字符串中的多个后缀，因此您需要"( suffix1| suffix2)+$"之类的内容。

然后你可以简单地将它应用到names.full（我将“moe”改为“moe money”以显示“第一个单词”解决方案失败的地方）。它看起来像这样：

names.full <- c("tom inc", "dick co", "harry incorp",
  "larry inc incorp", "curly", "moe money")
suffix <- c("inc", "incorp", "incorporated", "co", "company")

pattern <- paste("(", paste(" ", suffix, collapse="|", sep=""), ")+$", sep="")    
sub(pattern, "", names.full)
[1] "tom"       "dick"      "harry"     "larry"     "curly"     "moe money"

顺便说一句，如果您不想替换除后缀之外的任何内容，sub可能比gsub更合适（gsub通常用于替换一个单词中的模式的几个实例。

Answer 2

你真的需要使用for循环吗？我认为你应该能够在gsub中使用back引用来提取你想要的东西。

\\w匹配范围0 - 9，A - Z和a - z中的任何字符。
+与之前的字符匹配1次或更多次。
()允许我们返回引用后面的内容正则表达式。
.匹配任何字符，所有字符与*匹配前一个字符0次或更多次。

将上述所有内容放在一起给了我们：

gsub("(\\w+)(.*)", "\\1", names.full)

> gsub("(\\w+)(.*)", "\\1", names.full)
[1] "tom"   "dick"  "harry" "larry" "curly"  "moe"

从名称的字符向量中使用rapply来表示后缀的字符向量

2 个答案: