Question

我有'aaa_9999_1'形式的数据向量，其中第一部分是alpha位置代码，第二部分是四位数年份，而final是唯一的点标识符。例如，有多个sil_2007_X点，每个点具有不同的最后一位数。我需要使用“_”字符拆分此字段，并仅将唯一ID号保存到新矢量中。我试过了：

oss$point <- unlist(strsplit(oss$id, split='_', fixed=TRUE))[3]

基于此处的回复：R remove part of string。我收到“1”的单一回复。如果我只是运行

strsplit(oss$id, split= ‘_’, fixed=TRUE)

我可以生成拆分列表：

> head(oss$point)
[[1]]
[1] "sil"  "2007" "1"   

[[2]]
[1] "sil"  "2007" "2"   

[[3]]
[1] "sil"  "2007" "3"   

[[4]]
[1] "sil"  "2007" "4"   

[[5]]
[1] "sil"  "2007" "5"   

[[6]]
[1] "sil"  "2007" "6"

在最后添加[3]只给我[[3]]结果：“sil”“2007”“3”。我想要的是所有记录的第3部分（唯一编号）的向量。我觉得我已接近理解这一点，但是在截止日期项目上花费了太多时间（就像大多数时间一样）。感谢您的任何反馈。

Answer 1

strsplit会创建一个列表，所以我会尝试以下操作：

lapply(strsplit(oss$id, split='_', fixed=TRUE), `[`, 3) ## Output a list
sapply(strsplit(oss$id, split='_', fixed=TRUE), `[`, 3) ## Output a vector (even though a list is also a vector)

[表示提取第三个元素。如果您更喜欢矢量，请将lapply替换为sapply。

以下是一个例子：

mystring <- c("A_B_C", "D_E_F")

lapply(strsplit(mystring, "_"), `[`, 3)
# [[1]]
# [1] "C"
# 
# [[2]]
# [1] "F"
sapply(strsplit(mystring, "_"), `[`, 3)
# [1] "C" "F"

如果有一个易于定义的模式，gsub也可能是一个不错的选择，并避免分裂。请参阅DWin和Josh O'Brien在同一行中改进（更强大）版本的评论。

gsub(".*_.*_(.*)", "\\1", mystring)
# [1] "C" "F"

最后，为了好玩，您可以扩展unlist方法，通过循环使用TRUE和FALSE s的向量来提取每个第三项（因为我们事先知道所有的分裂都会产生相同的结构。）

unlist(strsplit(mystring, "_"), use.names = FALSE)[c(FALSE, FALSE, TRUE)]
# [1] "C" "F"

如果您不是通过数字位置提取，而只是想在分隔符后提取最后一个值，那么您有几个不同的选择。

使用贪婪的正则表达式：

gsub(".*_(.*)", "\\1", mystring)
# [1] "C" "F"

使用“stringi”包中的stri_extract*等便利功能：

library(stringi)
stri_extract_last_regex(mystring, "[A-Z]+")
# [1] "C" "F"

Answer 2

这是你需要的吗？

x = c('aaa_9999_12', 'bbb_9999_20')
ids = sapply(x, function(v){strsplit(v, '_')[[1]][3]}, USE.NAMES = FALSE)

# optional
# ids = as.numeric(ids)

这非常低效，可能有更好的方法。

在R中，按特定字符分割字符向量;在新的矢量中保存第3件

2 个答案: