R 中 "dictionary" 数据帧的多个模式和替换，可能使用 gsub？

Question

我有一个包含字符串 (data$text) 的数据集，其中包含表情符号的名称而不是实际图像（例如，FACE_WITH_TEARS_OF_JOY）。现在我试图用实际的表情符号替换每个表情符号名称。名称和表情符号保存在一个额外的数据集中，该数据集用作“字典”（emojis$name 和 emojis$emoji）。

所以这是我的数据集：

data <- structure(list(text = c("blabla HUGGING_FACE PARTY_POPPER", "bla FACE_WITH_TEARS_OF_JOY bla FACE_WITH_TEARS_OF_JOY", "PARTY_POPPER")), class = "data.frame", row.names = c(NA, -3L))

看起来像：

                                                   text
1                      blabla HUGGING_FACE PARTY_POPPER
2 bla FACE_WITH_TEARS_OF_JOY bla FACE_WITH_TEARS_OF_JOY
3                                          PARTY_POPPER

请注意，表情符号名称只是文本的一部分。其余文字应保留。

这是我的“字典”：

emojis <- structure(list(name = c("FACE_WITH_TEARS_OF_JOY", "HUGGING_FACE", 
                                  "PARTY_POPPER"), emoji = c("\U0001f602", "\U0001f917", "\U0001f389"
                                  )), class = "data.frame", row.names = c(NA, -3L))

看起来像：

                    name      emoji
1 FACE_WITH_TEARS_OF_JOY \U0001f602
2           HUGGING_FACE \U0001f917
3           PARTY_POPPER \U0001f389

对于单个表情符号，此代码有效：

data$text <- gsub("FACE_WITH_TEARS_OF_JOY", "\U0001f602", data$text)

结果是：

                              text
1 blabla HUGGING_FACE PARTY_POPPER
2    bla \U0001f602 bla \U0001f602
3                     PARTY_POPPER

但是，我也想替换其他表情符号名称。结果应该是：

                           text
1  blabla \U0001f917 \U0001f389
2 bla \U0001f602 bla \U0001f602
3                    \U0001f389

由于有成千上万的表情符号，我需要这样的东西：

data$text <- gsub(emojis$name, emojis$emoji, data$text)

这不起作用（错误：“参数 'pattern' 的长度 > 1，并且只有第一个元素将使用数字”），我自己找不到解决方案。

提前致谢！

Answer 1

您可以使用程序包 plyr 中的函数 mapvalues。示例：

library(plyr)

# data
data <- data.frame("ID" = 1:5, "text" = c("FACE_WITH_TEARS", "FACE_WITH_JOY",
                      "FACE_WITH_JOY", "FACE_WITH_PLAIN", "FACE_WITH_TEARS"))

# "dictionary" 
emojis <- data.frame("name" = c("FACE_WITH_TEARS", "FACE_WITH_JOY", "FACE_WITH_PLAIN"),
                     "emojis" = c("CRY", "HAPPY", "NUETRAL"))

data$text <- mapvalues(data$text, emojis$name, emojis$emojis)

data

结果是

  ID    text
1  1     CRY
2  2   HAPPY
3  3   HAPPY
4  4 NUETRAL
5  5     CRY

Answer 2

您还可以使用 stringr::str_replace_all 和 setNames 从您的 emojis 数据框创建字典：

data <- structure(list(text = c("blabla HUGGING_FACE PARTY_POPPER", "bla FACE_WITH_TEARS_OF_JOY bla FACE_WITH_TEARS_OF_JOY", "PARTY_POPPER")), class = "data.frame", row.names = c(NA, -3L))
emojis <- structure(list(name = c("FACE_WITH_TEARS_OF_JOY", "HUGGING_FACE", 
                                  "PARTY_POPPER"), emoji = c("\U0001f602", "\U0001f917", "\U0001f389"
                                  )), class = "data.frame", row.names = c(NA, -3L))

library(stringr)
stringr::str_replace_all(data$text, setNames(emojis$emoji, emojis$name))

参见online R demo。

输出：

[1] "blabla  "  "bla  bla " ""

Answer 3

1) gsubfn 创建一个字典，dict，包含一个列表，其名称是要替换的名称，其值是要替换它们的值。然后使用 gsubfn 执行非空格字符串的替换，"\S+"，使用字典。 gsubfn 采用与 gsub 相同的参数，除了第二个参数可以是这样的列表（或某些其他对象）。

library(gsubfn)

dict <- with(emojis, setNames(as.list(emoji), name))
gsubfn("\S+", dict, data$text)
## [1] "blabla  "  "bla  bla " ""

2) Base R 这使用 Reduce 遍历 emojis 的行，逐行替换它们。

gsub_ <- function(s, i) with(emojis[i, ], gsub(name, emoji, s))
Reduce(gsub_, init = data$text, 1:nrow(emojis))
## [1] "blabla  "  "bla  bla " ""

R 中 "dictionary" 数据帧的多个模式和替换，可能使用 gsub？

Multiple patterns and replacements from "dictionary" dataframe in R, maybe with gsub?

r

gsub

string-substitution