R gsub 從 x 列中的單詞中刪除 y 列中的單詞

Question

我正在嘗試使用 gsub 刪除 x 列中 y 列中的單詞/文本。

x = c("a","b","c")
y = c("asometext", "some, a b text", "c a text")
df = cbind(x,y)
df = data.frame(df)
df$y = gsub(df$x, "", df$y)

如果我運行上面的代碼，它只會刪除第 x 行第 1 列的文本，而不是所有行：

> df
  x             y
1 a      sometext
2 b some,  b text
3 c       c  text

我希望最終結果是：

> df
  x             y
1 a      sometext
2 b      some,   text
3 c      text

因此，應從 y 列中刪除 x 列中的所有單詞/字母。 gsub可以做到這一點嗎？

Answer 1

通常gsub需要三個參數 1) 模式，2) 替換和 3) 向量來替換值。

模式必須是單個字符串。 更換也是一樣。 函數中唯一對多個值開放的部分是向量。 因此，我們稱其為矢量化。

gsub(df$x, "", df$y)  #doesn't work because 'df$x' isn't one string

模式參數沒有向量化，但我們可以使用mapply來完成任務。

mapply 和 gsub (bffs)

x = c("a","b","c")
y = c("asometext", "some, a b text", "c a text")
repl = ""

#We do
mapply(gsub, x, repl, y)

#On the inside
gsub(x[[1]], repl[[1]], y[[1]])
gsub(x[[2]], repl[[2]], y[[2]])
gsub(x[[3]], repl[[3]], y[[3]])

你可能會問，但我只有一個repl ， repl[[2]]和repl[[3]]工作的？ 該函數注意到我們並重復“repl”，直到它等於其他人的長度。

Answer 2

這是使用 str_remove_all 的解決方案：

library(stringr)    
x  = c("a","b","c")
y  = c("asometext", "some, a b text", "c a text")
df = cbind(x,y)
df = data.frame(df,stringsAsFactors = F)

# creating a format of "[abc]" to use in str_remove_all
comb_a = paste0("[",paste(df$x,collapse = ""),"]")

df$y = sapply(df$y, function(r) str_remove_all(r, comb_a) )
df

Answer 3

我在一個非常大的數據集上嘗試了上述答案，發現這段代碼效果最好：

x = c("a","b","c")
y = c("asometext", "some, a b text", "c a text")

library(qdap)

z<- mgsub(x, "", y) 

這給出了所需的解決方案：

z: "sometext", "some,  text", "  text"

這是因為 mgsub 函數是 gsub 的包裝器，它采用搜索詞向量和替換向量或單個值，我發現它比 gsub 更強大，尤其是在處理大型數據集時。 它完成了 gsub 需要 2-3 行代碼才能完成的工作。

雖然上面的 gsub(paste0) 解決方案適用於非常小的數據集，但我發現它對大型數據集返回錯誤。

Mac 用戶注意：在安裝 qdap 包之前，請確保您的計算機上事先安裝了 java 和 pdk（oracle）軟件。 otw 你會在安裝/嘗試運行 qdap 包時遇到錯誤，因為它是基於 Java 的。

Answer 4

這是使用 for 循環實現的一種方法

output <- y
for (i in 1:3){
    output <- gsub(pattern = x[i],
                 replacement = "",
                 output)
}
print(output)

你會得到的結果：

    print(output)
[1] "sometext"     "some,   text" "  text"