根据字符串匹配删除数据 - R

Question

我正在使用 R 进行编程以处理 Csv 和数据操作，如果我的 csv 中的字符串匹配，我会尝试插入空值。

我的CSV如下：

    first_name  last _name zip_code
    Ben         Smith      12345
    Blank       Johnson    23456
    Carrie      No         34567

我想通过我的 csv 查看的 bad_names 列表是 bad_names

一旦我遍历我的 csv 寻找 bad_name 字符串匹配，我希望输出是

    first_name  last _name zip_code
    Ben         Smith      12345
               Johnson    23456
    Carrie                 34567

所以它不会删除整行，而只会删除匹配的行。我正在努力只删除条目，而不是整行，并遍历整个 bad_names 列表。

感谢您提供的任何帮助！

Answer 1

正则表达式匹配的另一个选项：

使用此数据（您的示例在 last _name 标头中有错误）：

data<-read.table(text="first_name last_name zip_code
Ben         Smith      12345
Blank       Johnson    23456
Carrie      No         34567",header=TRUE)

注意：如果它是一个因素，我没有使用 stringAsFactors=FALSE 来展示我如何管理它，如果不是，请摆脱 sapply 调用

bad_names <- c("blank", "no","bad", "old")
pat=paste0("(?i)\\b",paste0(bad_names,collapse="\\b|\\b"),"\\b")
t<-sapply(data,as.character)
gsub(pat,'',t)

我使用sapply 进行从因素到字符的转换，快速而肮脏，因为它将所有转换为字符，有better approach。

这里的技巧是使用 paste0 的正则表达式构造，我们创建 bad_words 的交替（由| 分隔）并用\\b 包围它们，以确保匹配的整个单词不仅仅是任何单词的一部分.

然后我们将 (gsub) 全局替换为任何匹配项。

这给出了：

     first_name last_name zip_code
[1,] "Ben"      "Smith"   "12345" 
[2,] ""         "Johnson" "23456" 
[3,] "Carrie"   ""        "34567" 

这就像整个 data.frame 是类字符一样工作，如果你想混合它们，你必须做一些不同的事情（这里不再复制模式构造）：

f<-sapply(data,is.character)
data[,f]<-lapply(data[,f],gsub,pattern=pat,replacement='')

这个想法是找到作为字符的列并将 gsub 应用于它们的值以在匹配时替换为空。