如何根据名称对列表中的文件进行分组？

Question

我有 4 个文件：

MCD18A1.A2001001.h15v05.061.2020097222704.hdf

MCD18A1.A2001001.h16v05.061.2020097221515.hdf

MCD18A1.A2001002.h15v05.061.2020079205554.hdf

MCD18A1.A2001002.h16v05.061.2020079205717.hdf

我想在列表中按名称（日期：A2001001 和 A2001002）对它们进行分组，如下所示：

[[MCD18A1.A2001001.h15v05.061.2020097222704.hdf, MCD18A1.A2001001.h16v05.061.2020097221515.hdf], [MCD18A1.A2001002.h15v05.061.2020079205554.hdf, MCD18A1.A2001002.h16v05.061.2020079205717.hdf]]

我用 Python 做了这个，但我不知道如何用 R:

# Seperate files by date
MODIS_files_bydate = [list(i) for _, i in itertools.groupby(MODIS_files, lambda x: x.split('.')[1])]

Answer 1

这是您要找的吗？

g <- sub("^[^\.]*\.([^\.]+)\..*$", "\1", s)
split(s, g)
#$A2001001
#[1] "MCD18A1.A2001001.h15v05.061.2020097222704.hdf"
#[2] "MCD18A1.A2001001.h16v05.061.2020097221515.hdf"
#
#$A2001002
#[1] "MCD18A1.A2001002.h15v05.061.2020079205554.hdf"
#[2] "MCD18A1.A2001002.h16v05.061.2020079205717.hdf"

正则表达式解释

正则表达式分为三个部分。

^[^\.]*\.
- ^第一个抑扬符标记字符串的开始；
- ^[^\.]开头，一个class否定一个点（第二个^）。点是一个元字符，因此必须转义，\.;
- 开头没有点的序列重复零次或多次(*);
- 前面的序列以点结尾，\.。
([^\.]+) 是一个捕获组。
- [^\.] 没有点的 class，如上；
- [^\.]+ 至少重复一次 (+)。
\..*$"
- \. 以一点开头
- \..*$ 任何字符重复零次或多次直到结束 ($)。

sub 替换的是捕获组，括号之间的内容本身就是 \1。这会丢弃所有其他内容。

数据

s <- "
MCD18A1.A2001001.h15v05.061.2020097222704.hdf
MCD18A1.A2001001.h16v05.061.2020097221515.hdf
MCD18A1.A2001002.h15v05.061.2020079205554.hdf
MCD18A1.A2001002.h16v05.061.2020079205717.hdf"
s <- scan(text = s, what = character())

Answer 2

您希望结果如何组织？

这是一个解决方案：

files <- c("MCD18A1.A2001001.h15v05.061.2020097222704.hdf",
           
           "MCD18A1.A2001001.h16v05.061.2020097221515.hdf",
           
           "MCD18A1.A2001002.h15v05.061.2020079205554.hdf",
           
           "MCD18A1.A2001002.h16v05.061.2020079205717.hdf")

unique_date <- unique(sub("^[^\.]*\.([^\.]+)\..*$", "\1", files))
# (credit to Rui Barradas for the nice regular expression)

grouped_files <- lapply(unique_date, function(x){files[grepl(x, files)]})

names(grouped_files) <- unique_date

> grouped_files
# $A2001001
# [1] "MCD18A1.A2001001.h15v05.061.2020097222704.hdf"  "MCD18A1.A2001001.h16v05.061.2020097221515.hdf"

# $A2001002
# [1] "MCD18A1.A2001002.h15v05.061.2020079205554.hdf"  "MCD18A1.A2001002.h16v05.061.2020079205717.hdf"

如何根据名称对列表中的文件进行分组？

How to group files in a list based on name?

r

group-by

split

filenames

itertools

正则表达式解释

数据