在R中，如何用另一个字符串替换包含特定模式的字符串？

我正在研究一个涉及清理大学专业数据清单的项目。我发现很多拼写错误，所以我正在使用函数gsub()来替换拼写错误的拼写错误。例如，说'biolgy'拼写错误的专业称为主要名单。我如何让R检测拼写错误并将其替换为正确的拼写？我试过gsub('biol', 'Biology', Major)，但是它只替换了'biolgy'中的前四个字母。如果我做gsub('biolgy', 'Biology', Major)，它仅适用于这种情况，但这并不能检测到其他形式的“生物学”拼写错误。在R中，如何用另一个字符串替换包含特定模式的字符串？

谢谢！

来源

2011-03-14 Alan

您应该定义一些漂亮的正则表达式，或者使用agrep从base包。 stringr包是另一种选择，我知道人们使用它，但我是一个非常巨大的正则表达式的粉丝，所以对我来说这是一个禁忌。

反正agrep应该做的伎俩：

agrep("biol", "biology") 
[1] 1 
agrep("biolgy", "biology") 
[1] 1

编辑：

您还应该使用ignore.case = TRUE，但要准备 “手动” 做一些簿记...

来源

2011-03-14 18:43:23 aL3xa

感谢您的回复，我刚刚与agrep一起玩过。我发现它只是返回一个整数（我猜对应于更改的字符串的数量），但它实际上是否执行更改？例如，假设我有动物= c（“老鼠”，“狗”，“猫”）。如果我想用“奶酪”代替鼠标，那么我可以使用agrep（“mou”，“奶酪”，动物）吗？当我这样做时它返回一个整数（0）。谢谢！！ – Alan 2011-03-14 18:57:36

'agrep'返回矢量指数，所以你可以很容易地使用下标来指定一个值：'动物[agrep（“mou”，动物）] < - “奶酪”' – aL3xa 2011-03-14 19:10:04

非常感谢你:) – Alan 2011-03-14 19:19:07

您可以设置所有可能拼写错误的矢量，然后通过gsub调用进行循环。喜欢的东西：

biologySp = c("biolgy","biologee","bologee","bugs") 

for(sp in biologySp){ 
    Major = gsub(sp,"Biology",Major) 
}

如果你想要做的事聪明，看看是否有关于CRAN任何模糊匹配的软件包，或使用“同音”匹配的东西....

维基百科页面上约。字符串匹配可能会很有用，并尝试在某些关键术语中搜索R-help。

http://en.wikipedia.org/wiki/Approximate_string_matching

来源

2011-03-14 18:32:40 Spacedman

'base'包中已经有模糊匹配：'agrep'函数可以做到这一点。请参阅下面的答案。 – aL3xa 2011-03-14 18:49:27

你可以首先匹配专业与可用专业名单，任何不匹配，然后可能misspellings。然后使用agrep函数将这些与已知专业相匹配（agrep进行近似匹配，所以如果它与正确的值相似，那么您将得到一个匹配）。

来源

2011-03-14 18:44:48

对于重整专业的学生来说，像replace（剩余的主要，agrep（“生物学”，剩下的主要），“生物学”）这样的东西应该这样做。 – hatmatrix 2011-03-14 18:50:27

（但请查阅'remainingMajor [agrep（“biology”，remainingMajor）]'以查看您将要替换的内容） – hatmatrix 2011-03-14 18:51:35

的VWR包有一个用于字符串匹配的方法：

http://ftp.heanet.ie/mirrors/cran.r-project.org/web/packages/vwr/index.html

所以最好的办法可能是使用字符串以从可能的主题串最小Levenshtein距离：

> levenshtein.distance("physcs",c("biology","physics","geography")) 
    biology physics geography 
     7   1   9

如果您获得相同的最小值，然后翻转一枚硬币：

> levenshtein.distance("biolsics",c("biology","physics","geography")) 
    biology physics geography 
     4   4   8

来源

2011-03-15 10:50:24 Spacedman

实施例1a）的perl/Linux的正则表达式：'s/oldstring/newstring/'

实施例1b）R等效1a的：srcstring=sub(oldstring, newstring, srcstring)

实施例2a）的perl/Linux的正则表达式：'s/oldstring//'

实施例2b）R等效2a的：srcstring=sub(oldstring, "", srcstring)

来源

2014-11-16 04:38:35 cspoleta

在R中，如何用另一个字符串替换包含特定模式的字符串？

回答

相关问题