R删除数据框中的多个文本字符串答案

【问题标题】：R remove multiple text strings in data frameR删除数据框中的多个文本字符串
【发布时间】：2014-08-29 23:44:57
【问题描述】：

R 新手。我希望从数据框中删除某些单词。由于有多个单词，我想将此单词列表定义为字符串，并使用 gsub 删除。然后转换回数据框并保持相同的结构。

wordstoremove <- c("ai", "computing", "ulitzer", "ibm", "privacy", "cognitive")

a
id                text time      username          
 1     "ai and x"        10     "me"          
 2     "and computing"   5      "you"         
 3     "nothing"         15     "everyone"     
 4     "ibm privacy"     0      "know"

我在想这样的事情：

a2 <- apply(a, 1, gsub(wordstoremove, "", a)

但在转换回数据框之前，这显然不起作用。

【问题讨论】：

标签： r keyword gsub

【解决方案1】：

wordstoremove <- c("ai", "computing", "ulitzer", "ibm", "privacy", "cognitive")

(dat <- read.table(header = TRUE, text = 'id text time username
1 "ai and x" 10 "me"
2 "and computing" 5 "you"
3 "nothing" 15 "everyone"
4 "ibm privacy" 0 "know"'))

#   id          text time username
# 1  1      ai and x   10       me
# 2  2 and computing    5      you
# 3  3       nothing   15 everyone
# 4  4   ibm privacy    0     know

(dat1 <- as.data.frame(sapply(dat, function(x) 
  gsub(paste(wordstoremove, collapse = '|'), '', x))))

#   id    text time username
# 1  1   and x   10       me
# 2  2    and     5      you
# 3  3 nothing   15 everyone
# 4  4            0     know

【讨论】：

【解决方案2】：

使用dplyr::mutate() 和stringr::str_remove_all() 的另一个选项：

library(dplyr)
library(stringr)

dat <- dat %>%   
  mutate(text = str_remove_all(text, regex(str_c("\\b",wordstoremove, "\\b", collapse = '|'), ignore_case = T)))

由于小写的“ai”很容易成为较长单词的一部分，因此要删除的单词与\\b 绑定，因此它们不会从开头、中间或结尾或其他单词中删除。

搜索模式也用regex(pattern, ignore_case = T) 包裹，以防文本字符串中的某些单词大写。

str_replace_all() 如果您想用其他内容替换单词而不只是删除它们，则可以使用它们。 str_remove_all() 只是 str_replace_all(string, pattern, '') 的别名。

rawr的回答可以更新为：

dat1 <- as.data.frame(sapply(dat, function(x) 
  gsub(paste0('\\b', wordstoremove, '\\b', collapse = '|'), '', x, ignore.case = T)))

【讨论】：