Bir desene göre bir alt dizeyi ayıklayın

Dize listesi olduğunu varsayalım:

string = c("G1:E001", "G2:E002", "G3:E003")

Şimdi sadece iki nokta üst üste ":" den sonraki parçaları içeren bir dizi vektörü elde etmeyi umuyorum, yani substring = c(E001,E002,E003).

R'de bunu yapmanın uygun bir yolu var mı? Kullanıyor substrmusunuz?

İşte birkaç yol:

1) alt

sub(".*:", "", string)
## [1] "E001" "E002" "E003"

2) strsplit

sapply(strsplit(string, ":"), "[", 2)
## [1] "E001" "E002" "E003"

3) read.table

read.table(text = string, sep = ":", as.is = TRUE)$V2
## [1] "E001" "E002" "E003"

4) alt dize

Bu, ikinci kısmın her zaman 4. karakterden başladığını varsayar (sorudaki örnekte durum budur):

substring(string, 4)
## [1] "E001" "E002" "E003"

4a) alt dize / normal ifade

İki nokta üst üste her zaman bilinen bir konumda olmasaydı, arayarak (4) 'ü değiştirebilirdik:

substring(string, regexpr(":", string) + 1)

5) strapplyc

strapplyc parantez içindeki kısmı döndürür:

library(gsubfn)
strapplyc(string, ":(.*)", simplify = TRUE)
## [1] "E001" "E002" "E003"

6) read.dcf

Bu, yalnızca iki nokta üst üste işaretinden önceki alt dizeler benzersizse çalışır (sorudaki örnekte bunlar). Ayrıca ayırıcının iki nokta üst üste olmasını gerektirir (soruda bu vardır). Farklı bir ayırıcı kullanıldıysa, subonu önce iki nokta üst üste ile değiştirebilirdik. Örneğin, ayırıcı o _zamanstring <- sub("_", ":", string)

c(read.dcf(textConnection(string)))
## [1] "E001" "E002" "E003"

7) ayrı

7a) Kullanarak tidyr::separateiki sütunlu bir veri çerçevesi oluşturuyoruz, biri kolondan önceki kısım ve diğeri sonraki kısım için ve sonra ikincisini çıkarıyoruz.

library(dplyr)
library(tidyr)
library(purrr)

DF <- data.frame(string)
DF %>% 
  separate(string, into = c("pre", "post")) %>% 
  pull("post")
## [1] "E001" "E002" "E003"

7b) Alternatif olarak separate, yalnızca postsütunu ve ardından unlistve unnameelde edilen veri çerçevesini oluşturmak için kullanılabilir :

library(dplyr)
library(tidyr)

DF %>% 
  separate(string, into = c(NA, "post")) %>% 
  unlist %>%
  unname
## [1] "E001" "E002" "E003"

8) trimws Biz kullanabilirsiniz trimwsnokta üst üste kırpmak için yeniden kullanmak daha sonra sol kapalı süs kelime karakterlerine ve.

trimws(trimws(string, "left", "\\w"), "left", ":")
## [1] "E001" "E002" "E003"

Not

Girişin stringşu şekilde olduğu varsayılır:

string <- c("G1:E001", "G2:E002", "G3:E003")

Örneğin gsubveya kullanaraksub

    gsub('.*:(.*)','\\1',string)
    [1] "E001" "E002" "E003"

İşte başka bir basit cevap

gsub("^.*:","", string)

Partiye geç, ancak gelecek nesil için, stringr paketi (popüler "tidyverse" paket paketinin bir parçası) artık string işleme için uyumlu imzalara sahip işlevler sağlıyor:

string <- c("G1:E001", "G2:E002", "G3:E003")
# match string to keep
stringr::str_extract(string = string, pattern = "E[0-9]+")
# [1] "E001" "E002" "E003"

# replace leading string with ""
stringr::str_remove(string = string, pattern = "^.*:")
# [1] "E001" "E002" "E003"

Bu şunları yapmalıdır:

gsub("[A-Z][1-9]:", "", string)

verir

[1] "E001" "E002" "E003"

Eğer kullanıyorsanız, data.tableo zaman tstrsplit()doğal bir seçimdir:

tstrsplit(string, ":")[[2]]
[1] "E001" "E002" "E003"

Unglue paket bir alternatif sağlar, düzenli ifadeler hakkında hiçbir bilgi basit durumlar için gereklidir, işte yapardım:

# install.packages("unglue")
library(unglue)
string = c("G1:E001", "G2:E002", "G3:E003")
unglue_vec(string,"{x}:{y}", var = "y")
#> [1] "E001" "E002" "E003"

^{2019-11-06 tarihinde reprex paketi tarafından oluşturuldu (v0.3.0)}

Daha fazla bilgi : https://github.com/moodymudskipper/unglue/blob/master/README.md