R：循环中的gsub替换名称

Question

我有一个包含姓名的大型数据集（60.000 多行）。但是，写下名称的格式不同，为了提高数据质量，我需要以单一格式重新编码名称。我不想复制粘贴重新编码命令，例如，在循环中执行此操作。我有一个所有写错的名字的列表，以及一个所有对应的正确写的名字的列表。

基本上，我想做的是： 在 list1 中使用名称 1 并替换为 list2 中的名称 1，然后在 list1 中使用名称 2 并在 list2 中使用名称 2 等。使用 gsub 似乎没什么大不了的？但是...

我似乎接近了，但是输出仍然不是我想要的。有谁知道为什么或者有比我现在正在做的更好的解决方案？

示例

> dput(list1)
c("Name1", "Name2", "Name3", "Name4", "Name5", "Name6", "Name7", 
"Name8", "Name9", "Name10")
> dput(list2)
c("test1", "test2", "test3", "test4", "test5", "test6", "test7", 
"test8", "test9", "test10")

我添加了打印命令以查看实际发生的情况，它似乎有效：

for (i in 1:length(list1)){
  newlist <- gsub(paste0("\<",list1[i], "\>"), list2[i], list1)
  print(i)
  print(newlist[i])
}


[1] 1
[1] "test1"
[1] 2
[1] "test2"
[1] 3
[1] "test3"
[1] 4
[1] "test4"
[1] 5
[1] "test5"
[1] 6
[1] "test6"
[1] 7
[1] "test7"
[1] 8
[1] "test8"
[1] 9
[1] "test9"
[1] 10
[1] "test10"

但是当我问新列表是什么样子时：

> newlist
 [1] "Name1"  "Name2"  "Name3" 
 [4] "Name4"  "Name5"  "Name6" 
 [7] "Name7"  "Name8"  "Name9" 
[10] "test10"

此外，我已经尝试使用 lapply 并编写了我自己的函数...但都没有按照我想要的方式运行:(

Answer 1

您可以使用 mapply 来做到这一点。

mapply(function(x, y){
  gsub(paste0("\<",x, "\>"), y, x)
}, list1, list2)

   Name1    Name2    Name3    Name4    Name5    Name6    Name7    Name8    Name9   Name10 
 "test1"  "test2"  "test3"  "test4"  "test5"  "test6"  "test7"  "test8"  "test9" "test10"

将其包裹 unname() 以去掉名称。

Answer 2

在循环之外定义新列表，并在循环中一次只更改一个索引

newlist = list1
for (i in 1:length(list1)){
  newlist[i] <- gsub(paste0("\<",list1[i], "\>"), list2[i], list1)[i]
}

Answer 3

您可以使用 sapply(list1, function(x) paste0("\b",x,"\b")) 从 list1 创建正则表达式模式，然后将模式列表与替换列表一起传递到 qdap::mgsub function:

list1 <- c("Name1", "Name2", "Name3", "Name4", "Name5", "Name6", "Name7", "Name8", "Name9", "Name10")
list2 <- c("test1", "test2", "test3", "test4", "test5", "test6", "test7", "test8", "test9", "test10")
regList1 <- sapply(list1, function(x) paste0("\b",x,"\b"))
qdap::mgsub(regList1, list2, "Name1 should be different. Name10, too.", fixed=FALSE)
## => [1] "test1 should be different. test10, too."

如果 list1 字符向量中的项目全部由字母数字或 _ 字符组成，则此解决方案有效。否则，您还需要转义这些值，并按 .

的方式使用 PCRE 正则表达式

R：循环中的gsub替换名称

R: gsub in a loop to replace names

r

gsub

recode