在R中如何删除数据框字符串列的“-州缩写”后缀保留城市名

你只需要匹配-开头到字符串末尾的所有内容批量替换即可，不需要逐个定义州缩写匹配规则。

方法1：基础R实现 #

直接用gsub函数写通用正则匹配：

# 匹配所有以 " - " 开头的结尾部分，替换为空
df$var1 <- gsub(pattern = " -.*", replacement = "", x = df$var1)

正则解释：.*代表匹配任意数量的任意字符，所以" -.*"会匹配从第一个-出现的位置直到字符串末尾的所有内容，不管后面是哪个州的缩写都能一次性删除。
如果想要避免城市名中偶然出现-导致误删，可以用更严格的正则匹配州缩写的格式：pattern = " - [A-Z]{2}$"，其中[A-Z]{2}匹配两个大写字母，$匹配字符串末尾，只有符合「空格-空格+两位大写字母结尾」的规则才会被删除，准确率更高。

方法2：tidyverse生态实现 #

如果你常用tidyverse，可以用stringr::str_remove函数，写法更简洁：

library(dplyr)
library(stringr)

df <- df %>%
  mutate(var1 = str_remove(var1, " -.*"))

两种方法处理5000行数据都是毫秒级完成，完全没有性能压力。

内容的提问来源于stack exchange，提问作者Luiz Henrique Varzinczak