如何从数据框中提取最后一个值并删除数字？

Question

所以我想要这个dataframe/string/vector

 x<-c("WB (16)","CT (14)WB (15)","NBIO (15)","CT (12)CITG-TP (17)","BK (11)PS (15)BK-AR (15)")

看起来像这样

 x<-
    WB
    WB
    NBIO
    CITG-TP
    BK-AR

所以我想提取最后一个或唯一的值（这是一个词连同它的年份所以例如 WB(15) 是一个值）然后用括号删除年份。我尝试用 sub(".*?)", "", x) 这样做，但是当只有一个条目时，它也会清除它，如下所示：

c( "", "WB (15)" , "" , "CITG-TP (17)","PS (15)BK-AR (15)")

我该怎么做？

Answer 1

这将删除引号和它们之间的数字 select 每个字符串中的最后一个代码。我正在使用管道 (%>%) 让代码更清晰。

library(magrittr)  # pipe operators
newx <- 
  x %>% 
  gsub('[[:blank:]]\([[:digit:]]*\)', ';', .) %>%  # change all " (NN)" to ";"
  strsplit(split = ';') %>%                          # split the strings into a list
  lapply(rev) %>%                                    # revert the order
  lapply('[[', 1) %>%                                # select first element
  unlist()                                           # change back to vector

> newx
[1] "WB"      "WB"      "NBIO"    "CITG-TP" "BK-AR"

Answer 2

我强烈怀疑这是最有效的正则表达式，但这可以为您提供所需的确切输出：

library(stringr)
str_replace_all(x, "CT\s\(\d+\)|BK\s\(\d+\)|PS\s\(\d+\)|\s\(\d+\)","")
[1] "WB"      "WB"      "NBIO"    "CITG-TP" "BK-AR"

我又玩了一些，这看起来也行。

str_replace_all(x, "\s\(\d+\)|CT|PS|BK(?=\s)","")
[1] "WB"      "WB"      "NBIO"    "CITG-TP" "BK-AR"

这是一个更通用的方法

strReverse <- function(x){
    sapply(lapply(strsplit(x, NULL), rev), paste, collapse="")
}

strReverse(str_extract(strReverse(x),"(?<=\(\s).*?(?=(\)|$))"))
[1] "WB"      "WB"      "NBIO"    "CITG-TP" "BK-AR"

我可能有某种方法可以 select 最后一次出现的模式，但我遇到了一些麻烦，所以我定义了一个函数来反转字符串并取第一次出现的pattern 然后我们将字符串放回正确的顺序。

Answer 3

 sub(".*?([^)]+)\s\(\d+\)$","\1",x)
[1] "WB"      "WB"      "NBIO"    "CITG-TP" "BK-AR"

如何从数据框中提取最后一个值并删除数字？

how to extract last values from dataframe and remove numbers?

regex

substring

r

gsub

dataframe