比较两个不同表的列并替换字符串R中的特定单词

Question

有人可以给我建议吗？ 我尝试比较两列。 一栏是带有地址的字符串，另一栏只是带有国家名称的表。 但是有些国家/地区名称是英文的，我想用德语代替。 我也有一个问题，因为我想在数据库中使用脚本，所以我对使用其他软件包非常有限。 我的代码不起作用。 它只是替换一行。

DF1

DE
Europa | Deutschland | München
Europa | England     | London
Europa | Germany     | Berlin
Europa | Italy       | Venedig

DF2

GE              EN
Deutschland     Germany
Italien         Italy
England         UK

结果：df1

DE
Europa | Deutschland | München
Europa | England     | London
Europa | Deutschland | Berlin
Europa | Italien     | Venedig

我尝试了以下代码：

df1 <- data.frame("DE" = c("Europa | Deutschland | München", "Europa | England | London", "Europa | Germany | Berlin ", "Europa | Italy | Venedig"))
df2 <- data.frame("GE" = c("Deutschland", "Italien", "England"), "EN" = c("Germany", "Italy", "UK"))
df1[] <- lapply(df1, as.character)
df2[] <- lapply(df2, as.character)

for(i in seq_along(df1)) df1$DE <- gsub(df2$EN, df2$GE, df1$DE, fixed = FALSE)

Answer 1

您应该在for循环中添加[i] ，并在使用固定模式而不是正则表达式时使用fixed = TRUE 。 在代码中查找其他修改：

for(i in seq_along(df2$EN)) {
    df1$DE <- gsub(df2$EN[i], df2$GE[i], df1$DE, fixed = TRUE)
}
df1$DE

## [1] "Europa | Deutschland | München"
## [2] "Europa | England | London"     
## [3] "Europa | Deutschland | Berlin "
## [4] "Europa | Italien | Venedig" 

---

ps您可以在data.frame()使用stringsAsFactors = FALSE来获取字符串而不是因子：

df1 <- data.frame("DE" = c("Europa | Deutschland | München",
                           "Europa | England | London", 
                           "Europa | Germany | Berlin ",
                           "Europa | Italy | Venedig"),
                  stringsAsFactors = FALSE)

df2 <- data.frame("GE" = c("Deutschland", "Italien", "England"), 
                  "EN" = c("Germany", "Italy", "UK"),
                  stringsAsFactors = FALSE)

Answer 2

这是基于merge和替换的解决方案。 拆分列的原因是我只想替换第二列中的名称。 如果我们将gsub与for循环一起使用，则可能还会替换其他列中的匹配词。 df4是最终输出。

步骤1：用|分隔df1的列： 。

df1_1 <- as.data.frame(do.call(rbind, lapply(strsplit(df1$DE, split = "\\|"), trimws)),
                       stringsAsFactors = FALSE)

步骤2：合并df1_1和df2

df3 <- merge(df1_1, df2, by.x = "V2", by.y = "EN", all.x = TRUE)

步骤3：如果GE列不是NA则替换值。

df3$V2 <- ifelse(!is.na(df3$GE), df3$GE, df3$V2)

步骤4：折叠所有栏。 准备最终输出。

df3$DE <- apply(df3[, c("V1", "V2", "V3")], 1, paste, collapse = " | ")
df4 <- df3[, "DE", drop = FALSE] 

df4
#                               DE
# 1 Europa | Deutschland | München
# 2      Europa | England | London
# 3  Europa | Deutschland | Berlin
# 4     Europa | Italien | Venedig

数据

df1 <- data.frame("DE" = c("Europa | Deutschland | München", "Europa | England | London", "Europa | Germany | Berlin ", "Europa | Italy | Venedig"),
                  stringsAsFactors = FALSE)

df2 <- data.frame("GE" = c("Deutschland", "Italien", "England"), 
                  "EN" = c("Germany", "Italy", "UK"),
                  stringsAsFactors = FALSE)