获取一个只有 R 中名字的新列答案

【问题标题】：Get a new column with only the first name in R获取一个只有 R 中名字的新列
【发布时间】：2020-06-17 11:16:32
【问题描述】：

我想创建一个列以仅包含数据集中人员的名字。在这种情况下，我只想为那些非人类或没有值的人获取一个值为John, David, Carey, and David 和NA 值的列。但是，我面临两个困难。

首先，我需要过滤掉所有带有大写字母的行。因为他们不是人；它们是实体。

第二个是我需要在逗号之前提取单词，因为它们是名字。

所以我只是想知道为人们的名字获取新列的最佳方法是什么。

可重现的数据集

structure(list(company_number = c("04200766", "04200766", "04200766", 
"04200766", "04200766", "04200766"), directors = c("THOMAS, John Anthony", 
"THOMAS, David Huw", "BRIGHTON SECRETARY LIMITED", "THOMAS, Carey Rosaline", 
"THOMAS, David Huw", "BRIGHTON DIRECTOR LIMITED")), row.names = c(NA, 
-6L), class = c("data.table", "data.frame"))

【问题讨论】：

标签： r regex dplyr data.table stringr

【解决方案1】：

我们可以这样做：

先取逗号后的第一个词

df$names <- sub(".*?, (.*?) .*","\\1",df$directors)

然后将任何超过一个单词的字符串设为<NA>

df$names <- ifelse(sapply(strsplit(df$names, " "), length)>1,NA,df$names)

输出：

> df
  company_number                  directors names
1       04200766       THOMAS, John Anthony  John
2       04200766          THOMAS, David Huw David
3       04200766 BRIGHTON SECRETARY LIMITED  <NA>
4       04200766     THOMAS, Carey Rosaline Carey
5       04200766          THOMAS, David Huw David
6       04200766  BRIGHTON DIRECTOR LIMITED  <NA>

【讨论】：

【解决方案2】：

使用str_extract：

library(dplyr)
library(stringr)

df %>% mutate(people = str_extract(directors, '(?<=,\\s)\\w+'))

#   company_number                  directors people
#1:       04200766       THOMAS, John Anthony   John
#2:       04200766          THOMAS, David Huw  David
#3:       04200766 BRIGHTON SECRETARY LIMITED   <NA>
#4:       04200766     THOMAS, Carey Rosaline  Carey
#5:       04200766          THOMAS, David Huw  David
#6:       04200766  BRIGHTON DIRECTOR LIMITED   <NA>

【讨论】：

你的方法更干净！！谢谢@Ronak Shah！