使用dplyr mutate()修改字符串时所有行返回相同值的解决方法

错误原因 #

你的自定义函数shorten_text接收的是整个text_long列的向量，执行strsplit(df$text_long, ' ')时，会把每个字符串拆分后生成一个列表，unlist将其转为一维向量，取[1]只会拿到第一个拆分结果first，赋值给新列时这个标量会被循环填充到所有行，导致所有行结果相同。

正确实现方法 #

方法1：逐元素处理自定义函数

修改函数使其支持向量输入，或者在mutate中用purrr::map_chr逐行处理：

library(dplyr)
library(purrr)

# 用map_chr逐个处理text_long的元素
df <- df %>%
  mutate(text_short = map_chr(text_long, ~ unlist(strsplit(.x, ' '))[1]))

或者修改自定义函数，用sapply遍历向量：

shorten_text <- function(x) {
  sapply(x, function(y) unlist(strsplit(y, ' '))[1])
}

df <- df %>%
  mutate(text_short = shorten_text(text_long))

方法2：直接字符串替换（最简便）

如果只是固定移除"row"单词，用gsub直接替换掉末尾的" row"更高效：

library(dplyr)

df <- df %>%
  mutate(text_short = gsub("\\s+row$", "", text_long))

\\s+匹配一个或多个空格，$确保匹配字符串末尾的"row"，避免误删其他位置的"row"。

方法3：拆分列取第一部分

用tidyr::separate拆分文本列，直接提取第一部分：

library(dplyr)
library(tidyr)

df <- df %>%
  separate(text_long, into = c("text_short", NA), sep = ' ', extra = 'drop')

extra = 'drop'表示丢弃拆分后的多余部分，NA表示不保留第二部分列。

内容的提问来源于stack exchange，提问作者Andrew Staroscik