如何保留数据列中前4个单词且保留不足4词的记录？

问题场景 #

处理数据的Company列时，需要保留每条记录的前4个单词，单词数不足4个的则完整保留原记录，但使用stringr::word(df$Company, 1, 4)时，不足4词的记录会被转为NA，不符合需求。

可行解决方案 #

方案1：拆分+截取+合并（依赖stringr和purrr）

通过拆分字符串为单词列表，截取前4个（不足4个则取全部）后重新合并：

library(stringr)
library(purrr)

# 处理Company列
df$Company1 <- map_chr(
  str_split(df$Company, "\\s+"),  # 按空格拆分单词
  ~str_c(.[1:min(4, length(.))], collapse = " ")  # 取前4个（或全部）再合并
)

方案2：判断单词数后分支处理（仅依赖stringr）

先统计每条记录的单词数，根据数量决定是截取前4词还是保留原内容：

library(stringr)

# 计算每条记录的单词数（空格数+1）
word_num <- str_count(df$Company, "\\s+") + 1

# 条件赋值
df$Company1 <- ifelse(
  word_num >= 4,
  word(df$Company, 1, 4),  # 单词数≥4时取前4个
  df$Company  # 单词数<4时保留原内容
)

方案验证 #

用你的样本数据测试：

• 单词语句ATHENAHEALTH会完整保留
• 双词语句AMERICAN APPAREL会完整保留
• 多词语句FAIRFIELD NURSING AND REHABILITATION CENTER,会被截取为FAIRFIELD NURSING AND REHABILITATION

内容的提问来源于stack exchange，提问作者bear_525