替换字符串的一部分（文本挖掘）

Question

我想将字符串中的 "Replace" 部分从 df$x 替换为 df$y 列的第一个单词。我有一个这样的 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

我想获取以下数据：

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，我没有文本挖掘方面的经验，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，每一行都有类似的替换。谢谢。

Answer 1

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

Answer 2

您可以使用 stringi 包中的 stri_extract_first_words 获取第一个单词，然后使用 mapply

以矢量化方式应用 sub 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"

Answer 3

我猜想 -Replace- 指的是位置而不是确切的词，因此替换 Replace 本身是不正确的，但是要识别这个位置的-content-并替换它。

 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

所以可以把-和-之间的内容替换成y中的第一个词。

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

替换字符串的一部分（文本挖掘）

Replace part of a string (text mining)

r

text-mining

数据