用另一个文本替换字符变量的文本

Question

我有一个包含 2 列（2 个变量）的数据框。一个是字符变量，即作者姓名，另一个是相应作者的文章出现频率。

作者姓名不匹配。特别的是，其中一个出现为罗德里格斯A，另一个出现为罗德里格斯AR，但两者是同一个人

AU                    frequency
Rodriguez AR            20
Rodriguez A              7

这个想法是考虑所有 Rodriguez AR，因此我编码了

authortable$AU <- str_replace_all(authortable$AU, "Rodriguez A", "Rodriguez AR")

但是数据帧没有变化。 有什么建议

我想要得到的是

AU                    frequency
Rodriguez AR            27

Answer 1

authortable <- data.frame(AU = rep(c("Rodriguez A", "Rodriguez AR"), c(7, 20)))
authortable |> dplyr::count(AU)
##             AU  n
## 1  Rodriguez A  7
## 2 Rodriguez AR 20

如果您使用建议的解决方案，您可以看到数据框确实发生了变化，但不是按照您预期的方式变化：

authortable$AU <- stringr::str_replace_all(authortable$AU, "Rodriguez A", "Rodriguez AR")
> authortable |> dplyr::count(AU)
             AU  n
1  Rodriguez AR  7
2 Rodriguez ARR 20

换句话说，这将“Rodriguez A”更改为“Rodriguez AR”，将“Rodriguez AR”更改为“Rodriguez ARR”。

回到原始数据框，一种可能是使用

^

（字符串开头）和

$

（字符串结尾）字符来指示您只想更改 complete 字符串“罗德里格斯A”

authortable$AU <- stringr::str_replace_all(authortable$AU, "^Rodriguez A$", "Rodriguez AR")
authortable |> dplyr::count(AU)
            AU  n
1 Rodriguez AR 27

如果您需要进行大量此类数据清理，您可能需要看看Open Refine。