Tidyverse：基于部分匹配替换整个字符串

我希望使用

stringr

包中的函数替换基于部分匹配的数据中的整个字符串条目

我尝试过的唯一方法是使用

str\u replace\u all（）

替换精确匹配，但当有几十种变体需要纠正时，这种方法会变得乏味和笨拙。我正在寻找基于部分匹配的替换。在我下面的reprex中，我用直接规范替换了“西班牙人”和“哥伦比亚人”的变体。然而，我希望在满足单词中存在“Spa”或“Col”的条件的基础上执行这些替换

库（tidyverse）
图书馆（stringr）
数据[1]“西班牙人”“西班牙人”“西班牙人”“哥伦比亚人”“哥伦比亚人”
#>[6]“厄瓜多尔”“厄瓜多尔”“厄瓜多尔”“委内瑞拉”

由（v0.2.1）于2019年5月21日创建

---

因此，

str\u replace\u all（）

就像广告宣传的那样工作，但我正在寻找一种在tidyverse中简化此过程的方法。非常感谢您的帮助。

可以选择使用距离法进行部分匹配

vals <- c("Spaniard", "Equador", "Colombian", "Venezuelan")
library(stringdist)
vals[amatch(tolower(data), tolower(vals),maxDist=5)]
#[1] "Spaniard"   "Spaniard"   "Spaniard"   "Colombian"  "Colombian"  
#[6] "Equador"    "Equador"    "Equador"    "Venezuelan"

---

我更喜欢使用距离度量（例如，Jaro winkler距离，或其他一些距离度量），但它们确实有缺点。对部分匹配可能带来的变化感到厌倦。如果您正在进行部分匹配，那么明智的做法是查看可能性。但是，当使用

startsWith

或

grepl

启动时，您可以使用

case\u执行tidyverse中概述的操作：

tibble(data = data) %>%
  mutate(
    v1 = tolower(data),
    new_name = case_when(
      startsWith(v1, "spa") ~ "Spanaird",
      startsWith(v1, "col") ~ "Colombian",
      startsWith(v1, "eq") | startsWith(v1, "ec") ~ "Equadorian",
      startsWith(v1, "ven") ~ "Venezuelan",
      TRUE ~ as.character(data)))

# A tibble: 9 x 3
  data       v1         new_name  
  <chr>      <chr>      <chr>     
1 Spanish    spanish    Spanaird  
2 SPANIARD   spaniard   Spanaird  
3 Spainiard  spainiard  Spanaird  
4 Colombian  colombian  Colombian 
5 Columbian  columbian  Colombian 
6 Ecuador    ecuador    Equadorian
7 Equador    equador    Equadorian
8 Ecuadorian ecuadorian Equadorian
9 VENEZUELAN venezuelan Venezuelan

我刚刚了解到距离度量概念的存在。关于如何在R中应用它的任何建议？嘿@ChrisAguilar，我将从
stringdist
的文档开始，在
RecordLinkage
中也有一些距离度量。我没有太多的评论，除了他们引用的报纸/维基百科，我已经看过了。对不起，我不是更多的帮助，而是祝你好运！！！因此，只需创建一个具有所需值的字符向量，并如上所述应用
amatch（）
，即可应用更正。太好了！这种方法是否有缺点，或者在失败时是否有常见的例子？谢谢。@ChrisAguilar是的。它基于距离法，因此如果匹配元素变化过大，则可能必须增加
maxDist
tibble(data = data) %>%
  mutate(
    v1 = tolower(data),
    new_name = case_when(
      startsWith(v1, "spa") ~ "Spanaird",
      startsWith(v1, "col") ~ "Colombian",
      startsWith(v1, "eq") | startsWith(v1, "ec") ~ "Equadorian",
      startsWith(v1, "ven") ~ "Venezuelan",
      TRUE ~ as.character(data)))

# A tibble: 9 x 3
  data       v1         new_name  
  <chr>      <chr>      <chr>     
1 Spanish    spanish    Spanaird  
2 SPANIARD   spaniard   Spanaird  
3 Spainiard  spainiard  Spanaird  
4 Colombian  colombian  Colombian 
5 Columbian  columbian  Colombian 
6 Ecuador    ecuador    Equadorian
7 Equador    equador    Equadorian
8 Ecuadorian ecuadorian Equadorian
9 VENEZUELAN venezuelan Venezuelan

tibble(data = data) %>%
  arrange(data) %>%
  count(tolower(data))