使用数据框中的值将函数应用于向量

Question

首先，我承认我对R中的apply函数和函数编写感到很糟糕。我正在研究一个课程项目，以清理和建模一些文本数据，并且我想包括一个步骤：清理宫缩。

qdapDictionaries软件包包括带有两列的contractions数据帧，第一列是收缩，第二列是扩展版本。 例如：

 contraction  expanded
5  aren't     are not

我想使用此处的值在我的文本上运行gsub函数，该函数仍包含在大字符元素中。 像gsub(contr,expd,text) 。

这是我用来测试的示例向量：

vct <- c("I've got a problem","it shouldn't be that hard","I'm having trouble 'cause I'm dumb")

我很困惑如何遍历数据帧（实际上并没有编写循环，因为这似乎是最不高效的方法），因此我可以运行所需的所有gsub 。

可能有一个简单的答案，但这是我尝试的方法：首先，我创建了一个函数，如果传递了收缩，该函数将返回扩展版本：

expand <- function(contr) {
    expd <- contractions[which(contractions[1]==contr),2]
}

我可以将sapply配合使用，它或多或少地起作用。 循环在第一列中收缩， sapply(contractions[,1],expand)返回带有扩展短语的命名字符矢量。

我不知道如何将这个向量与gsub结合起来。 我尝试编写第二个函数gsub_expand并更改expand函数以同时返回收缩和扩展：

gsub_expand <- function(list, text) {
     text <- gsub(list[[1]],list[[2]],text)
     return(text)
 }

当我运行gsub_expand(sapply(contractions[,1],expand),vct) ，它只纠正了我矢量的一部分。

[1] "I've got a problem"   "it shouldn't be that hard"   "I'm having trouble because I'm dumb"

收缩数据框中的第一个条目是“原因，因为，因此，内部的sapply似乎实际上并没有在循环。 我陷入了我想要传递给什么以及应该循环传递的逻辑的逻辑中。

谢谢你的帮助。

Answer 1

两种选择：

---

stringr::str_replace_all

stringr程序包几乎可以执行与基本regex函数相同的操作，但有时以一种非常简单的方式进行。 这是那些时代之一。 您可以传递str_replace_all一个命名列表或字符向量，它将使用名称作为模式并将值用作替换，因此您所需要做的就是

library(stringr)
contractions <- c("I've" = 'I have', "shouldn't" = 'should not', "I'm" = 'I am')
str_replace_all(vct, contractions)

你得到

[1] "I have got a problem"                 "it should not be that hard"          
[3] "I am having trouble 'cause I am dumb"

没有糊涂，没有大惊小怪，只是有效。

---

lapply / mapply / Map和gsub

当然，您可以使用lapply或for循环来重复gsub 。 您可以通过几种方式制定此调用的方式，具体取决于数据的存储方式以及获取方式。 让我们首先复制vct ，因为我们将覆盖它：

vct2 <- vct

现在我们可以使用以下三个中的任何一个：

lapply(1:length(contractions), 
       function(x){vct2 <<- gsub(names(contractions[x]), contractions[x], vct2)})

# `mapply` is a multivariate version of `sapply`
mapply(function(x, y){vct2 <<- gsub(x, y, vct2)}, names(contractions), contractions)

# `Map` is a multivariate version of `lapply`
Map(function(x, y){vct2 <<- gsub(x, y, vct2)}, names(contractions), contractions)

每个vct2都将返回略有不同的无用数据，但是还将vct2的更改保存到vct2 ，该vct2现在看起来与上述str_replace_all的结果相同。

这些有点复杂，主要是因为每次进行更改时都需要保存vct的内部版本。 vct <<-在函数环境之外写入初始化的vct2 ，使我们能够捕获连续的更改。 小心点<<- ; 它功能强大。 有关更多信息，请参见?assignOps 。