根据另一个变量假定的值在字符串变量上使用“gsub”

Question

我拥有丰富的此类报纸标题数据框：

ID 标题类别
10516 § vasco rossi le donne e le sue paure pensavo di morire molto prima § Musica
12489 § rossi : il Concerto più visto della settimana § Musica
12490 § rossi deluso e amareggiato cosa farà il dottore dopo valencia § 运动
12494 § valentino rossi il ricorso al tas la decisione nel pomeriggio di giovedì novembre § 运动
12502 § valentino rossi rompe il silenzio il duro messaggio a jorge lorenzo § 运动
12504 § pazza idea rossi e marquez a valencia § 首页
33006 § dopo l errore con marquez rossi Merita di perdere il mondiale § 首页
59689 § rossi bando mise su livorno chiude fase importante per reindustrializzazione § Lavoro

现在我想准确识别标题中出现的各种“Rossi”（在意大利语中，Rossi 是一个很常见的姓氏）。
当名字和姓氏都存在时，问题很容易解决：

NEWS2_df$Title NEWS2_df$Title

但是当只有姓氏时，当文章类别为“音乐”时，我希望“Rossi”变为 Vasco_Rossi，当文章类别为“运动”时，我希望变为 Valentino_Rossi。
基本上根据另一个变量假定的值在字符串变量上使用“gsub”
谁能告诉我该怎么做？

最后，当文章类别为“Home”时，可以识别文章的主题（并将名称更改为 Valentino_Rossi / Vasco_Rossi），同时考虑到标题中其他词的存在（例如“Marquez” -> Valentino_Rossi “协奏曲”-> Vasco_Rossi)
有没有人能帮帮我？
谢谢

Answer 1

首先，您不需要lapply ——gsub 已经矢量化了。

要仅对 df 的一部分执行此操作，只需子集：

NEWS2_df$Title[NEWS2_df$Category == "Sport"] <- gsub("\b(?<!_)rossi\b",
            "valentino_rossi", NEWS2_df$Title[NEWS2_df$Category == "Sport"], 
             perl=TRUE)

在将“valentino rossi”替换为下划线版本后执行此操作，这样很容易识别那些没有名字的人。

与 home 相同，只需为所有有助于消除歧义的词添加 grepls：

subset <- NEWS2_df$Category == "Home" & grepl("marquez", NEWS2_df$Title)

NEWS2_df$Title[subset] <- gsub("\b(?<!_)rossi\b", "valentino_rossi", 
                               NEWS2_df$Title[subset]], perl=TRUE)