使用R语言从NAMEFIRST列移除头衔生成Clean_name列的方案建议

嘿，我来帮你搞定这个姓名处理的需求！从你的示例数据能看出来，要处理的情况还挺多样——有的头衔跟在名字后带空格（比如BHASOTI MS），有的直接和名字连在一起（比如BHABESHMR），还有长名字后面带空格的头衔（比如SUSHIL KUMAR MR）。下面给你两种实用的实现方式：

方法1：用stringr包（tidyverse风格） #

stringr是tidyverse家族里处理字符串的利器，语法直观好理解：

# 先安装并加载包（如果还没装的话）
install.packages("stringr")
library(stringr)

# 生成Clean_name列
df$Clean_name <- str_remove_all(df$NAMEFIRST, "\\s?(MR|MS|MRS|DR|MSTR)$")

正则表达式解释 #

• \\s?：匹配0个或1个空格，同时覆盖头衔前有空格和没空格的情况
• (MR|MS|MRS|DR|MSTR)：列出所有需要移除的头衔关键词
• $：限定这些关键词必须出现在字符串末尾，避免误删名字本身包含这些字符的情况

方法2：用Base R原生gsub函数 #

如果不想额外加载包，用Base R的gsub也能达到完全一样的效果：

# 直接生成Clean_name列
df$Clean_name <- gsub("\\s?(MR|MS|MRS|DR|MSTR)$", "", df$NAMEFIRST)

测试示例数据 #

你可以用自己的示例数据验证效果：

# 构造示例数据框
df <- data.frame(NAMEFIRST = c("BHASOTI MS", "BHABESHMR", "RINAMS", "SUSHMITAMRS", "ARKADIY MR", 
                               "PRAMOD TRIMBAK DR", "ANDREW MR", "MICHELLE MISS", "DINESHA MR", 
                               "SREEDHARMR", "PANKAJMSTR", "SUSHIL KUMAR MR", "FAZLURMR"),
                 stringsAsFactors = FALSE)

# 应用处理逻辑（这里加上了MISS来适配示例里的MICHELLE MISS）
df$Clean_name <- str_remove_all(df$NAMEFIRST, "\\s?(MR|MS|MRS|DR|MSTR|MISS)$")

# 查看结果
print(df)

运行后就能得到和你示例完全一致的Clean_name列啦！如果之后需要移除其他头衔，只要在正则表达式的括号里添加对应的关键词就行。

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