在R中的长字符向量中格式化字符串（名字和姓氏）答案

【问题标题】：Formatting Character strings (First and Last Names) in a long character vector in R在R中的长字符向量中格式化字符串（名字和姓氏）
【发布时间】：2016-04-17 07:31:39
【问题描述】：

我的字符向量中有很多人的名字：

MLB$Names[1:4] [1] "Derek Jeter" "Robinson Cano" "Nick Markakis" "David Ortiz"

我想将它们格式化为包含第一个首字母，一个句点，然后是一个空格和他们的姓氏。我希望它看起来像下面的

MLB$NamesFormatted[1:4] [1] "D. Jeter" "R. Cano" "N. Markakis" "D. Ortiz"

我假设最好的攻击方法是使用grep 或sub，但我终生无法弄清楚。我仍然是使用 R 的新手，但我喜欢它的所有功能！

任何帮助将不胜感激！谢谢！

【问题讨论】：

标签： r regex gsub names

【解决方案1】：

我们可以使用sub，将第一个字符捕获为一个组 (^(.))，然后是一个或多个非空格 (\\S+)，然后是另一个由一个或多个空格组成的捕获组，后跟一个或多个字符 ((\\s+.*)) 到字符串的末尾 ($)，并替换为第一个反向引用 (\\1)，后跟一个 .，然后是第二个反向引用 (\\2)。

sub("^(.)\\S+(\\s+.*)$", "\\1.\\2", MLB$Names)
#[1] "D. Jeter"    "R. Cano"     "N. Markakis" "D. Ortiz"

或者可以使用匹配一个或多个小写字母 ([a-z]+) 的紧凑代码来完成，并将其替换为 .。

sub("[a-z]+", ".", MLB$Names)
#[1] "D. Jeter"    "R. Cano"     "N. Markakis" "D. Ortiz"

这里是strsplit 的另一种选择，我们用一个或多个小写字母后跟一个或多个空格 ([a-z]+\\s+) 分隔，将 list 与 vapply 和 paste 字符串一起循环.

vapply(strsplit(MLB$Names, "[a-z]+\\s+"), paste, collapse=". ", character(1))
#[1] "D. Jeter"    "R. Cano"     "N. Markakis" "D. Ortiz"

数据

MLB <- data.frame(Names = c("Derek Jeter", "Robinson Cano", 
              "Nick Markakis", "David Ortiz"), stringsAsFactors=FALSE)

【讨论】：

【解决方案2】：

我们可以使用strsplit 和paste：

x <- c("Derek Jeter",   "Robinson Cano",     "Nick Markakis",     "David Ortiz")

sapply(strsplit(x, " "), function(x) paste0(substr(x[1], 1, 1), ". ", x[2]))

[1] "D. Jeter"    "R. Cano"     "N. Markakis" "D. Ortiz"

我们首先拆分姓名和姓氏，得到一个列表；我们sapply 它带有一个匿名函数：i) 采用姓氏的首字母，ii) 添加一个点和一个空格，iii) 添加姓氏。

【讨论】：