Início / coding / Perguntas / 79573539
Accepted
Rinke
Asked: 2025-04-14 23:46:24 +0800 CST

R: substituir múltiplas ocorrências de strings correspondentes a regex em campos de dataframe, pesquisando-as em outro dataframe

  • 772

Tenho dois dataframes:

pesquisa df:

oldId <- c(123, 456, 567, 789)
newId <- c(1, 2, 3, 4)
lookup <- data.frame(oldId, newId)

dados df:

descr <- c("description with no match",
+ "description with one 123 match", 
+ "description with again no match",
+ "description 456 with two 789 matches")

Meta:

Quero um novo dataframe:

  • mesma estrutura que os dados df
  • mesmos valores de campo, exceto que todas as instâncias de números (ou seja, 123, 456, 789) são pesquisadas no outro dataframe e substituídas por lookup$newId.

O dataframe resultante ficará assim:

  1. "descrição sem correspondência"
  2. "descrição com uma correspondência"
  3. "descrição sem correspondência novamente"
  4. "descrição 2 com duas 4 correspondências"

Portanto, cada texto na coluna descr pode conter uma grande quantidade de números que precisam ser substituídos. Claro, este é um exemplo simplificado; meus dataframes da vida real são muito maiores.

Eu corrigi a parte regex:

fx <- function(x) {gsub("([[:digit:]]{3})", "TESTTEST", x)}
data$descr <- lapply(data$descr, fx)

Mas não tenho ideia de como deixar a função percorrer todas as correspondências em uma linha e, então, procurar o número e substituí-lo.

5 respostas

  1. Best Answer

    Uma abordagem básica R pode usar Reduce:

    Reduce(
  \(x, i) gsub(lookup$oldId[i], lookup$newId[i], x),
  seq_along(lookup$oldId),
  init = descr
)

    Saída:

    [1] "description with no match"        "description with one 1 match"    
[3] "description with again no match"  "description 2 with two 4 matches"
    • 5

  2. Uma opção usando gsubfn:

    gsubfn::gsubfn("\\d+", as.list(setNames(lookup$newId, lookup$oldId)), descr)

#[1] "description with no match"        "description with one 1 match"    
#[3] "description with again no match"  "description 2 with two 4 matches"
    • 3

  3. Você pode fornecer uma função como replacementargumento para stringr::str_replace_all():

    stringr::str_replace_all(
    descr,
    "([[:digit:]]{3})",
    \(x, old = lookup$oldId, new = lookup$newId) new[old == x]
)
# [1] "description with no match"        "description with one 1 match"     "description with again no match"  "description 2 with two 4 matches"
    • 2

  4. Para que sua função funcione, você precisaria matchdo resultado da pesquisa, algo como:

    fx <- \(x) {
  m <- regmatches(x, gregexpr('\\b\\d{3}\\b', x, perl=TRUE))
  mapply(\(a, b) {
    for (i in seq_along(b)) {
      a <- gsub(sprintf('\\b%s\\b', b[i]), lookup$newId[match(b[i], lookup$oldId)], a)
    }
    a
  }, x, m, USE.NAMES=FALSE)
}

    \\bcorresponde aos limites das palavras, garantindo que apenas números completos como 123sejam substituídos, não substrings como 1234ou a123.

    > sapply(descr, fx)
           description with no match       description with one 123 match 
         "description with no match"       "description with one 1 match" 
     description with again no match description 456 with two 789 matches 
   "description with again no match"   "description 2 with two 4 matches"
    • 1

  5. str_replace_allpode pegar um vetor nomeado como padrão como str_replace_all(c("one" = "1", "two" = "2", "three" = "3")), então você também pode fazer

    stringr::str_replace_all(descr, setNames(as.character(newId),as.character(oldId)))
[1] "description with no match"        "description with one 1 match"  
[3] "description with again no match"  "description 2 with two 4 matches"
    • 1

relate perguntas