r - 从R的数据框中的列中删除字符串中的某些单词

我在R中有一个数据集，其中列出了一堆公司名称，并希望删除诸如“ Inc”，“ Company”，“ LLC”等之类的词作为清理工作的一部分。我有以下示例数据：

样本数据

  Location             Company
1 New York, NY         XYZ Company
2 Chicago, IL          Consulting Firm LLC
3 Miami, FL            Smith & Co.

我不想在输出中包含的词：

stopwords = c("Inc","inc","co","Co","Inc.","Co.","LLC","Corporation","Corp","&")

我构建了以下函数来分解每个单词，删除停用词，然后将单词重新组合在一起，但是它不会遍历数据集的每一行。

removeWords <- function(str, stopwords) {
  x <- unlist(strsplit(str, " "))
  paste(x[!x %in% stopwords], collapse = " ")
}

removeWords(sampleData$Company,stopwords)

上面函数的输出如下所示：

[1] "XYZ Company Consulting Firm Smith"

Ť
他的输出应该是：

 Location              Company
1 New York, NY         XYZ Company
2 Chicago, IL          Consulting Firm
3 Miami, FL            Smith

任何帮助，将不胜感激。

最佳答案

我们可以使用“ tm”包

library(tm)

stopwords = readLines('stopwords.txt')     #Your stop words file
x  = df$company        #Company column data
x  =  removeWords(x,stopwords)     #Remove stopwords

df$company_new <- x     #Add the list as new column and check

关于r - 从R的数据框中的列中删除字符串中的某些单词，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40901100/