如何在R中为数据框观测值条件性移除单词结尾字符（如ed、s）

看起来你已经完成了初步的文本清洗，现在需要从现有单词中移除结尾的s和ed后缀，而不是删除整个观测值——这个需求其实属于精准词干化的范畴，用tidyverse里的stringr包就能轻松实现。

解决方案代码 #

我们可以用str_replace()函数结合正则表达式，精准匹配并替换单词结尾的目标后缀：

library(tidyverse)

# 对WORD列进行后缀替换
df_cleaned <- df %>%
  # 移除单词结尾的"ed"
  mutate(WORD = str_replace(WORD, "\\bed$", "")) %>%
  # 移除单词结尾的"s"
  mutate(WORD = str_replace(WORD, "\\bs$", ""))

# 查看处理后的结果
print(df_cleaned)

代码解释 #

• \\bed$：正则表达式中，\\b表示单词边界，ed$表示字符串结尾的"ed"，这样只会匹配单词末尾的"ed"，不会误替换单词中间的字符（比如"Bedroom"里的"ed"就不会被处理）。
• \\bs$：同理，匹配单词末尾的"s"，像"Happy""Apple"这类不以"s"结尾的单词完全不受影响。

处理后的结果 #

运行上述代码后，你会得到期望的数据框：

扩展说明 #

如果之后需要处理更多后缀（比如"ing""ly"），只需要继续添加mutate(str_replace(...))步骤即可。要是需要更通用的词干化处理，也可以试试SnowballC包的wordStem()函数，不过针对你当前的特定需求，上面的精准替换方案更直接。

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