如何在R中有条件替换数据框中重复的逗号分隔值

原始数据定义 #

test <- data.frame(data=c("one", "two", "three12, threa12", "four", "five"))

核心需求 #

找出包含逗号、且逗号两侧内容（去除首尾空格后）重复/近似重复的单元格，将其替换为逗号左侧的内容。

实现代码 #

借助R语言的stringr包（字符串处理工具）完成，代码如下：

# 未安装stringr先执行：install.packages("stringr")
library(stringr)

# 提取逗号左右两侧内容并去除首尾空格
left_content <- str_trim(str_extract(test$data, "^.*?(?=,)"))
right_content <- str_trim(str_extract(test$data, "(?<=,).*$"))

# 判定匹配条件：存在逗号，且右侧内容是左侧的近似重复（适配示例中的拼写小误差）
match_flag <- !is.na(left_content) & !is.na(right_content) & str_detect(right_content, str_remove(left_content, "\\d"))

# 替换符合条件的单元格
test$data[match_flag] <- left_content[match_flag]

# 查看处理结果
test

补充说明 #

• 若需求为完全重复匹配，将match_flag中的判断逻辑改为left_content == right_content即可
• 执行代码后，示例中的第3个单元格会被替换为three12，其余单元格保持原样

内容的提问来源于stack exchange，提问作者POGB