如何使用R修复数据框指定列中的拼写错误？[已解决]

编辑补充：我后来发现，此前花了一小时尝试的方法完全正确，问题出在我完全忽略了大小写匹配：我需要修改的目标字符串全为大写格式，但我输入的替换内容是句首大写格式，大家不要犯和我一样的错误！

数据框分类列存在大量拼写错误，会拆分相同分类的统计结果，比如本应总计500条的水果分类，会被拆成300条Fruits、200条Fruiits两个独立分类，导致统计值偏低。示例列Food group内容如下：

[1] "Grains"     "Grains"     "Proteins"   "Proteins"   "Vegetables"
[6] "Dairy"      "Fruits"     "Fruiits" 

需要将错误拼写Fruiits修正为Fruits，此前使用gsub、stringr包相关函数执行替换未生效。

替换失效90%以上的原因是两个细节没处理对：

• 默认大小写敏感，输入的匹配文本和目标字符串大小写不一致，导致完全匹配不上
• 误开正则匹配时，字符串里的特殊字符没有做转义处理，匹配规则直接失效

基础R写法 #

固定字符串替换直接开fixed = TRUE关闭正则匹配，性能更高也不会有转义问题，需要忽略大小写就加ignore.case = TRUE：

# 单列单个错误值替换
df$`Food group` <- gsub(
  pattern = "Fruiits",
  replacement = "Fruits",
  x = df$`Food group`,
  fixed = TRUE,
  ignore.case = TRUE # 确认大小写完全匹配可以删掉这个参数
)

如果要批量修正多组拼写错误，直接做映射表循环处理即可，适配上千条观测、多类错误的场景：

# 配置错误值-正确值的映射关系，同类拼写错误都可以往里加
fix_map <- c(
  "Fruiits" = "Fruits",
  "Vegtables" = "Vegetables",
  "Dairi" = "Dairy"
)

# 批量替换categories列所有错误值
df$categories <- Reduce(
  f = \(col, wrong) gsub(wrong, fix_map[wrong], col, fixed = TRUE),
  x = names(fix_map),
  init = df$categories
)

stringr包写法 #

习惯用tidyverse生态的话直接用str_replace_all，固定匹配同样用fixed()包裹规则：

library(stringr)

# 单个错误值替换
df$`Food group` <- str_replace_all(
  df$`Food group`,
  fixed("Fruiits", ignore_case = TRUE),
  "Fruits"
)

# 批量替换直接传命名映射向量，写法更简洁
df$categories <- str_replace_all(
  df$categories,
  fixed(c(
    "Fruiits" = "Fruits",
    "Vegtables" = "Vegetables",
    "Dairi" = "Dairy"
  ))
)

替换完成后执行table(df$categories)查看分类频次，确认错误分类已经合并到对应正确分类下就完成了。

内容的提问来源于stack exchange，提问作者daltoncito5034