r - 如何在R中的数据帧中删除字符串末尾的一两个单词？

Question

我有一个名为“Country”的行的数据框。例如，当原产国为美国时，条目将列为“路易斯安那州 - 美国”。我试图在最后去掉“-USA”，这样它只会说明它来自哪个州。

所以，我目前有这样的东西(虽然我的有数千个条目):

df <- data.frame(ID = 1:4, Country = c("Louisiana - USA", "Canada","France", "Maine - USA"))

我尝试的是以下内容:

for (i in 1:nrow(df)) {
    df$USA[i] <- ifelse(grepl(" USA| États-Unis", df$Country[i]), 1, 0) 
}

index_USA <- which(df$USA == 1)

for (int in index_USA) {
    gsub(" - USA", "", df$Country[int])
}

但是，此代码不起作用。
我还尝试使用 stringr 包而不是 gsub。因此，我将最后一个 for 循环替换为:

for (int in index_USA) {
    str_replace_all(df$Country[int], " - USA", "")
}

但这也不起作用。我觉得我犯了一个明显的错误，但我无法弄清楚(也许我需要使用正则表达式？)

Answer 1

您要删除 " USA"和 " États-Unis"在字符串的末尾。所以，你需要

df$Country <- sub("\\s+(?:USA|États-Unis)$", "", df$Country)

详情

\\s+ - 1 个或多个空白字符

(?: -(非捕获)分组构造的开始，匹配两个备选方案之一:

USA - USA子串

| - 或

États-Unis - États-Unis子串

) - 分组结束

$ - 字符串的结尾。