remove/replace 字符串中的特定单词或短语 - R

Question

我环顾四周，发现了很多类似的问题，但 none 正好回答了我的问题。我需要清理命名约定，特别是 replace/remove 来自特定 column/variable 的某些单词和短语，而不是整个数据集。我正在从 SPSS 迁移到 R，下面有一个在 SPSS 中执行此操作的代码示例，但我不确定如何在 R 中执行此操作。

EG:

"Acadia Parish" --> "Acadia"（删除 Parish 和 Parish 之前的 space）

"Fifth District" --> "Fifth"（删除 District 和 District 之前的 space）

SPSS 语法：

COMPUTE county=REPLACE(county,' Parish','').

在 32,000 个案例的列中只有少数这个问题的实例，需要的东西 replacing/removing 各不相同，案例可以重复（包含 'Parish' 的短语有几十个实例)，这意味着编写需要 removed/replaced 的代码要快得多，它不像正则表达式那样简单或干净地删除所有 space、特定单词或字符之后的所有字符、所有特殊字符等。它必须包含前导 spaces.

我查看了 R 中的 replace() gsub() 和其他类似命令，但它们都涉及创建向量，或者看起来它们涉及创建向量。我想要的是查找我指定的字符的语法，它可以包括前导或尾随 spaces，并用我指定的东西替换它们，它可以什么都不包含，如果它没有找到特定的字符，大小写不变。

是的，我最终会多次重复相同的语法，创建向量可能更容易，但如果可能的话，我想获得我描述的语法，因为我还需要执行其他类似的操作嗯

感谢您的观看。

Answer 1

也许我遗漏了什么，但我不明白为什么你不能简单地在正则表达式中使用条件，然后 trim 去掉烦人的白色 space。

string <- c("Arcadia Parish", "Fifth District")

bad_words <- c("Parish", "District") # Write all the words you want removed here!
bad_regex <- paste(bad_words, collapse = "|")

trimws( sub(bad_regex, "", string) )

# [1] "Arcadia" "Fifth"

Answer 2

dataframename$varname <- gsub(" Parish","", dataframename$varname)

Answer 3

> x <- c("Acadia Parish", "Fifth District")
> x2 <- gsub("^(\w*).*$", "\1", x)
> x2
[1] "Acadia" "Fifth"

图例：

^ 模式开始。
() 组（或代币）。
\w* 单词字符一次或多次出现超过 1 次。
.* 除换行符外的任意字符出现一次或多次 \n.
$ 模式结束。
\1 Returns 来自正则表达式的组

remove/replace 字符串中的特定单词或短语 - R

remove/replace specific words or phrases from character strings - R

string

replace

substring

r

recode

图例：