基于字符串条件交换列值的R语言dplyr解决方案

原始数据定义 #

df <- read.table(text="
first_name  last_name
James   Durant
'Richard Iii'   Michael
Ben     Green
'Johnson Jr.'   Tom", header= TRUE)

需求说明 #

部分first_name列的字符串带有Ii或Jr.后缀，这类内容实际属于姓氏，需要在匹配到该条件时，交换first_name和last_name的取值，让姓名归入正确的列。

解决方案（基于dplyr） #

需要用到dplyr进行数据变换，结合stringr的字符串匹配功能：

# 加载所需包
library(dplyr)
library(stringr)

# 修正姓名列
df_corrected <- df %>%
  mutate(
    # 临时存储原last_name值，防止交换时数据覆盖
    temp_last = last_name,
    # 匹配到条件时，把first_name赋值给last_name
    last_name = case_when(
      str_detect(first_name, "\\s(Ii|Jr\\.)$") ~ first_name,
      TRUE ~ last_name
    ),
    # 匹配到条件时，把原last_name赋值给first_name
    first_name = case_when(
      str_detect(first_name, "\\s(Ii|Jr\\.)$") ~ temp_last,
      TRUE ~ first_name
    )
  ) %>%
  select(-temp_last) # 删除临时列

# 查看修正结果
print(df_corrected)

结果说明 #

运行后得到的修正数据集如下：

first_name    last_name
1      James        Durant
2    Michael    Richard Iii
3        Ben         Green
4        Tom Johnson Jr.

• 正则表达式\\s(Ii|Jr\\.)$用于精准匹配以空格加Ii或Jr.结尾的字符串，避免误匹配其他情况
• 通过临时列temp_last中转数据，确保交换过程中不会丢失原有的姓氏信息

内容的提问来源于stack exchange，提问作者Ben Blackburn