如何在R中用mutate()生成无标点小写列验证物种识别准确性

针对你需要处理iNaturalist导出的2万条观测数据、标准化文本列并标记识别是否正确的需求，以下是完整的实现步骤：

1. 加载必要工具包 #

首先确保安装并加载dplyr包（用于数据处理管道和mutate函数）：

install.packages("dplyr") # 首次使用需安装
library(dplyr)

2. 标准化三列文本 #

利用mutate批量处理species_guess、taxon_species_name、common_name三列，统一转为小写并去除所有标点、合并多余空格：

spiranthes <- spiranthes %>%
  mutate(
    # 标准化species_guess列
    standardized_species_guess = gsub('[[:punct:] ]+', ' ', tolower(species_guess)) %>% str_squish(),
    # 标准化taxon_species_name列
    standardized_taxon = gsub('[[:punct:] ]+', ' ', tolower(taxon_species_name)) %>% str_squish(),
    # 标准化common_name列
    standardized_common = gsub('[[:punct:] ]+', ' ', tolower(common_name)) %>% str_squish()
  )

• tolower()：将整列文本转为全小写
• gsub('[[:punct:] ]+', ' ', ...)：匹配所有标点和连续空格，替换为单个空格
• str_squish()：去除字符串首尾空格并合并中间多余空格（比单纯用gsub更简洁）

3. 标记识别正确性 #

添加correct_identification列，判断标准化后的species_guess是否与标准化后的学名或俗名匹配：

spiranthes <- spiranthes %>%
  mutate(
    correct_identification = case_when(
      standardized_species_guess == standardized_taxon ~ TRUE,
      standardized_species_guess == standardized_common ~ TRUE,
      TRUE ~ FALSE
    )
  )

如果需要支持模糊子串匹配，可替换为grepl()函数：

spiranthes <- spiranthes %>%
  mutate(
    correct_identification = case_when(
      grepl(standardized_species_guess, standardized_taxon, fixed = TRUE) ~ TRUE,
      grepl(standardized_species_guess, standardized_common, fixed = TRUE) ~ TRUE,
      TRUE ~ FALSE
    )
  )

• case_when()：按条件分支赋值
• grepl(fixed = TRUE)：进行精确子串匹配，避免正则模式干扰

4. 查看处理结果 #

运行以下代码查看处理后的数据表：

View(spiranthes)

内容的提问来源于stack exchange，提问作者Malaxis28