R, Başka bir dizeyle belirli bir desen içeren bir dizeyi nasıl değiştiririm?

Question

Üniversite ana dallarında bir veri listesini temizlemeyi içeren bir proje üzerinde çalışıyorum. Ben bir çok yanlış yazılmış buluyorum, bu yüzden yanlış yazılanları doğru yazım ile değiştirmek için gsub() işlevini kullanmak istiyordum. Mesela 'biolgy', Major adında bir majör listesinde yanlış yazıldığını varsayalım. R yazım hatalarını algılamak ve doğru yazımla değiştirmek için R'yi nasıl alabilirim? Ben gsub('biol', 'Biology', Major) denedim ama bu sadece 'biolgy' içindeki ilk dört harf yerine geçer. gsub('biolgy', 'Biology', Major)'u kullanırsam, bu durumda tek başına çalışır, ancak bu 'biyolojinin' diğer yanlış yazım biçimlerini tespit etmez.

Teşekkür ederiz!

Answer 1

Etmeli ya da bazı şık düzenli ifade tanımlamak veya base paketinden agrep kullanın. stringr paketi başka bir seçenektir, insanların kullandığını biliyorum, ama normal ifadelerin çok büyük bir hayranıyım, bu yüzden benim için hayır.

agrep("biol", "biology") 
[1] 1 
agrep("biolgy", "biology") 
[1] 1 

DÜZENLEME:

Ayrıca ignore.case = TRUE kullanmalıdır fakat "elle" Bazı muhasebe yapmak için hazır olun ...

Answer 2

Olası tüm yazım hatalarını içeren bir vektör oluşturabilir ve daha sonra gsub araması üzerinden bir döngü oluşturabilirsiniz. gibi bir şey: orada CRAN üzerindeki herhangi bulanık eşleştirme paketleri, ya eşleştirme 'soundex' kullanan bir şey varsa

biologySp = c("biolgy","biologee","bologee","bugs") 

for(sp in biologySp){ 
    Major = gsub(sp,"Biology",Major) 
} 

daha akıllıca bir şey yapmak istiyorsanız, yaklaşık on

.... wikipedia sayfasına bakın. string eşleştirmesi yararlı olabilir ve bazı temel terimler için R-help'i aramayı deneyin.

http://en.wikipedia.org/wiki/Approximate_string_matching

Answer 3

You

neyse, agrep hile yapmak gerekir İlk olarak, majörleri mevcut bir bölümün listesiyle eşleştirebilir, eşleşmeyen herhangi bir olasılık muhtemelen yanlış yazımlar olacaktır. Ardından agrep işlevini bunları bilinen majörlere karşı tekrar eşleştirmek için kullanın (agrep yaklaşık eşleştirmeyi gösterir, bu nedenle doğru değere benzerse o zaman bir eşleşme elde edersiniz).

Answer 4

VWR paket dize eşleştirme için yöntemleri vardır:

http://ftp.heanet.ie/mirrors/cran.r-project.org/web/packages/vwr/index.html

yüzden en iyi bahis mümkün konu dizeleri asgari Levenshtein mesafe ile dize kullanmak olabilir:

> levenshtein.distance("physcs",c("biology","physics","geography")) 
    biology physics geography 
     7   1   9 

Aynı minima alırsanız, bir jeton çevirin:

> levenshtein.distance("biolsics",c("biology","physics","geography")) 
    biology physics geography 
     4   4   8 

Answer 5

Örnek 1a) Perl/Linux normal ifade: 's/oldstring/newstring/'

örnek 1b) 1a R eşdeğeri: srcstring=sub(oldstring, newstring, srcstring)

örnek 2a) Perl/Linux normal ifade: 's/oldstring//'

örnek 2b) 2a R eşdeğeri: srcstring=sub(oldstring, "", srcstring)