根据R中的字母拆分具有不同组合的字符串

Question

我有一个大型数据框，其字符列包含不同的字符串组合。

例如

**Column1**
1.0.01.01 
1.02.04.03 | E1.3  
G1.2 | 5.01.03.2
30.02.01.04.02 
I.1
10.04.03 | H1.256

我唯一感兴趣的是那些以字母开头的值。我想要的输出应该是这样的：

**Column1**
NA
E1.3  
G1.2
NA
I.1
H1.256

测试数据：

structure(list(Column1 = c("1.0.01.01", "1.02.04.03 | E1.3",
"G1.2 | 5.01.03.2", "30.02.01.04.02", "I.1", "10.04.03 | H1.256")), 
class = "data.frame", row.names = c(NA, -6L))

我想使用 grepl 或类似命令解决方案可能非常简单，但目前我缺少正确的开始想法。

Answer 1

如果以字符开头，您可以使用^[[:alpha:]]查找grep。

unlist(lapply(strsplit(x$Column1, " \| "), function(x)
   grep("^[[:alpha:]]", x, value = TRUE)[1]))
#[1] NA       "E1.3"   "G1.2"   NA       "I.1"    "H1.256"

如果周围没有空格：

unlist(lapply(strsplit(x$Column1, "\|"), function(x) 
   grep("^[[:alpha:]]", trimws(x), value = TRUE)[1]))

如果每行有多个匹配项（使用 "" 而不是 NA）：

unlist(lapply(strsplit(x$Column1, " \| "), function(x)
  paste(grep("^[[:alpha:]]", x, value = TRUE), collapse = " | ")))

或使用sub:

sub("^.*\b([[:alpha:]][^ ]+).*$|.*", "\1", x$Column1)

或使用 regexec 和 regmatches

tt <- regmatches(x$Column1, regexec("\b[[:alpha:]][^ ]*", x$Column1))
tt[lengths(tt)==0] <- NA;
unlist(tt)

Answer 2

您可以尝试这种方法，假设 df 是您的数据框，Column1 是您的列名。

stringr::str_extract(df$Column1, '[a-zA-Z]+\d*\.\d+')

[a-zA-Z] 搜索一个或多个字母，后跟零个或多个匹配的数字，后跟点，再后跟数字

输出:

[1] NA       "E1.3"   "G1.2"   NA       "I.1"    "H1.256"

Answer 3

这是我试过的。您的数据名为 mydf.

library(tidyverse)
library(stringi)

mutate(mydf,
       newcol = unlist(stri_extract_all_regex(str = Column1,
                                              pattern = "(?<=\s|^)[A-Z].*?(?=\s|$)")))

            Column1 newcol
1         1.0.01.01   <NA>
2 1.02.04.03 | E1.3   E1.3
3  G1.2 | 5.01.03.2   G1.2
4    30.02.01.04.02   <NA>
5               I.1    I.1
6 10.04.03 | H1.256 H1.256

我的另一种方法如下。

mutate(mydf, group = 1:n()) %>% 
separate_rows(Column1, sep = "\s\|\s") %>% 
filter(grepl(x = Column1, pattern = "^[A-Z]")) %>% 
complete(group = 1:nrow(mydf))

  group Column1
  <int> <chr>  
1     1 NA     
2     2 E1.3   
3     3 G1.2   
4     4 NA     
5     5 I.1    
6     6 H1.256

Answer 4

这是另一个使用 regmatches

的基础 R 解决方案

df <- within(df, 
             Column2 <- unlist(replace(u<<-regmatches(Column1,
                                                      gregexpr("\b[[:alpha:]][\.\d]+\b",
                                                               Column1,perl = TRUE)),
                                       !lengths(u),
                                       NA)))

这样

> df
            Column1 Column2
1         1.0.01.01    <NA>
2 1.02.04.03 | E1.3    E1.3
3  G1.2 | 5.01.03.2    G1.2
4    30.02.01.04.02    <NA>
5               I.1     I.1
6 10.04.03 | H1.256  H1.256

根据R中的字母拆分具有不同组合的字符串

Split Character Strings with different combinations based on letter in R

r

character

strsplit