从 R 中的数据帧拆分逗号分隔模式

Question

我有一个这样的数据集：

Old <- data.frame(
  X1= c(
    "AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785",
    "DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5",
    "ARL=149;AD=30,9;DEA=25;DER=25;DP=3077",
    "AD=244,49;ARL=144;DEA=7;DER=7;DP=245"
    ))


X1
AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785
DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5
ARL=149;AD=30,9;DEA=25;DER=25;DP=3077
AD=244,49;ARL=144;DEA=7;DER=7;DP=245

我要提取“;” AD=xxx,xx 的分隔值比添加到新列：期望的输出是：

X1                                              X2
AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785       17795,54
DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5          4753,23
ARL=149;AD=30,9;DEA=25;DER=25;DP=3077           30,9
AD=244,49;ARL=144;DEA=7;DER=7;DP=245            244,49

我试过了：

Old$X2<-mapply(
  function(x,  i) x[i],
  strsplit(X1, ";"),
  lapply(strsplit(X1, ";"), function(x) which(x == "AD="))
)

Answer 1

我们可以使用sub

sub(".*AD\=(\d+,\d+);.*", "\1", Old$X1)

Answer 2

我认为这对您也有帮助：

我们首先捕获 AD= 字符，然后用 \K 重置报告匹配的起点，以告诉正则表达式引擎删除 AD= 并启动以后再匹配模式

Old$X2 <- regmatches(Old$X1, gregexpr("(AD=)\K[0-9,.]+(?=;)", Old$X1, perl = TRUE))
Old

                                         X1       X2
1 AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785 17795,54
2    DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5  4753,23
3     ARL=149;AD=30,9;DEA=25;DER=25;DP=3077     30,9
4      AD=244,49;ARL=144;DEA=7;DER=7;DP=245   244,49

Answer 3

这里有一个 tidyverse 解决方案，用于分隔 5 列

图书馆

library(tidyverse)

数据

Old <- data.frame(
   X1= c(
      "AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785",
      "DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5",
      "ARL=149;AD=30,9;DEA=25;DER=25;DP=3077",
      "AD=244,49;ARL=144;DEA=7;DER=7;DP=245"
   ))

代码

Old %>% 
   # Creating 5 columns based on the separator ";"
   separate(col = X1,sep = ";", into = paste0("v",1:5)) %>% 
   # Pivotting data
   pivot_longer(cols = everything()) %>% 
   # Separating the value column based on the separator "="
   separate(value,into = c("var","value"),sep = "=") %>% 
   select(-name) %>% 
   pivot_wider(names_from = var,values_from = value) %>% 
   unnest()

输出

# A tibble: 4 x 5
  AD       ARL   DEA   DER   DP   
  <chr>    <chr> <chr> <chr> <chr>
1 17795,54 139   20    20    1785 
2 4753,23  123   5     5     4784 
3 30,9     149   25    25    3077 
4 244,49   144   7     7     245

Answer 4

使用 str_match 来自 stringr -

Old$X2 <- stringr::str_match(Old$X1, 'AD=(\d+,\d+)')[, 2]
Old

#                                         X1       X2
#1 AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785 17795,54
#2    DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5  4753,23
#3     ARL=149;AD=30,9;DEA=25;DER=25;DP=3077     30,9
#4      AD=244,49;ARL=144;DEA=7;DER=7;DP=245   244,49

str_match returns一个矩阵，[, 2]用于从正则表达式中提取捕获组。

Answer 5

另一个基本 R 选项使用 regmatches

transform(
  Old,
  X2 = unlist(regmatches(X1, gregexpr("(?<=AD=)(\d+,)+\d+(?=;)", X1, perl = TRUE)))
)

给予

                                         X1       X2
1 AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785 17795,54
2    DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5  4753,23
3     ARL=149;AD=30,9;DEA=25;DER=25;DP=3077     30,9
4      AD=244,49;ARL=144;DEA=7;DER=7;DP=245   244,49

从 R 中的数据帧拆分逗号分隔模式

Split comma separated pattern from data frame in R

regex

r

strsplit

dataframe

图书馆

数据

代码

输出