在r中用逗号拆分和重新排序字符串

Question

我有几年的个人数据，但他们的名字每年都有不同的格式。一半的名字已经按 "First Last" 顺序排列，但我不知道如何成功编辑另一半 ("Last, First")。

这是一个样本 df:

name <- c("First1 Last1","Last2, First2", "Last3, First3", "First4 Last4", "First5 Last5")
salary <-c(51000, 72000,125000,67000,155000)
year <-c(2012,2014,2013,2013,2014)

df <- data.frame(name, salary, year, stringsAsFactors=FALSE)

以下是我尝试过的方法：用逗号分隔文本：

df$name2 <- strsplit(df$name, ", ") #to split the character string by comma
df$name3 <-paste(df$name2, collapse=" ") #to collapse the newly created vectors back into a string
df$name4 <-paste(rev(df$name2)) #to try pasting each vector in reverse order
df$name5 <-paste(rev(df$name2)[2:1]) #trying again...

我已经打印了正确的名称，但倒退了，并将它们打印在错误的行上，但是尽管进行了所有谷歌搜索，我还是无法使其正常工作。我做错了什么？

Answer 1

您可以使用正则表达式：

df$name <- sub("(L[A-Za-z0-9]+).*\s+(F[A-Za-z0-9]+).*","\2 \1",df$name)

# df
#           name salary year
# 1 First1 Last1  51000 2012
# 2 First2 Last2  72000 2014
# 3 First3 Last3 125000 2013
# 4 First4 Last4  67000 2013
# 5 First5 Last5 155000 2014

代码查找以大写字母 L 开头的单词，后跟一些字母/数字，然后是一些符号，space，然后是一个以大写字母 F 开头的单词，一些字母/数字和然后是一些符号。

然后它重新排序这两个单词，首先是一个以 F 开头的单词（即 (F[A-Za-z0-9]+)），然后是一个以 L 开头的单词（即 (L[A-Za-z0-9]+)）。

如您所见，代码删除了逗号（这似乎是您想要的输出）。

根据新信息，使用代码：

df$name <- sub('(.*)\,\s+(.*)','\2 \1', df$name)

# sub('(.*)\,\s+(.*)','\2 \1',name)
# [1] "John Smith"       "Marcus Green"     "Mario Sanchez"    "Jennifer Roberts" "Sammy Lee"

在这里，我们要查找逗号前的字符，然后是 space，然后是其他字符。然后我们重新排序第一组和第二组以获得所需的输出。

注意：我假设如果没有逗号，那么名称的顺序已经正确（您的评论中似乎就是这种情况）。

Answer 2

我想这就是你想要的。你真的很接近，你需要 rev 和 paste(..., collapse = " ")。我也 trim 空格，但这可能不是必需的。

# look for commas to see which rows need fixing
needs_rearranging = grep(",", df$name)
df$name[needs_rearranging] = 
           # split on the comma space, then
    sapply(strsplit(df$name[needs_rearranging], split = ", "),
       function(x) {
           # remove whitespace, reverse the order, and 
           # paste them back together
           paste(rev(trimws(x)), collapse = " ")
       })

df
#           name salary year
# 1 First1 Last1  51000 2012
# 2 First2 Last2  72000 2014
# 3 First3 Last3 125000 2013
# 4 First4 Last4  67000 2013
# 5 First5 Last5 155000 2014

在r中用逗号拆分和重新排序字符串

splitting and reordering character string by comma in r

r

strsplit

dataframe