Question

我正在使用R，我有一个带有近2,000个条目的data.frame，如下所示：

> head(PVs,15)
     LogFreq   Word PhonCV  FreqDev
1593     140    was    CVC 5.480774
482      139    had    CVC 5.438114
1681     138    zou   CVVC 5.395454
1662     137    zei    CVV 5.352794
1619     136   werd   CVCC 5.310134
1592     135  waren CVV-CV 5.267474
620      134    kon    CVC 5.224814
646      133   kwam   CCVC 5.182154
483      132 hadden CVC-CV 5.139494
436      131   ging    CVC 5.096834
734      130  moest  CVVCC 5.054174
1171     129  stond  CCVCC 5.011514
1654     128    zag    CVC 4.968854
1620     127 werden CVC-CV 4.926194
1683     126 zouden CVV-CV 4.883534

我想要做的是创建一个等于PV的新data.frame，除了所有作为“Word”列成员的条目都是一个字符串，不以“te”结尾或“德”被删除。即所有不以“de”或“te”结尾的单词都应从data.frame中删除。

我知道如何使用逻辑运算符从data.frames中选择性地删除条目，但这些条目在您设置数字条件时起作用。我想这样做我需要使用正则表达式，但遗憾的是R是我“知道”的唯一编程语言，所以我不知道在这里使用什么类型的代码。

感谢您的帮助。提前致谢。

Answer 1

方法1

您可以将grepl与适当的正则表达式一起使用。请考虑以下事项：

x <- c("blank","wade","waste","rubbish","dedekind","bated")
grepl("^.+(de|te)$",x)
[1] FALSE  TRUE  TRUE FALSE FALSE FALSE

正则表达式用任意次数（^）表示开始（.+），然后找到de或te（(de|te)）然后结束（$ ）。

所以对于你的data.frame试试，

subset(PVs,grepl("^.+(de|te)$",Word))

方法2

要避免使用正则表达式方法，您可以使用substr方法。

# substr the last two characters and test
substr(x,nchar(x)-1,nchar(x)) %in% c("de","te")
[1] FALSE  TRUE  TRUE FALSE FALSE FALSE

所以试试：

subset(PVs,substr(Word,nchar(Word)-1,nchar(Word)) %in% c("de","te"))

Answer 2

我稍微修改了数据，以便在te或de中结束单词。

> PV
     LogFreq   Word PhonCV  FreqDev
1593     140 blahte    CVC 5.480774
482      139    had    CVC 5.438114
1681     138 aaaade   CVVC 5.395454
1662     137    zei    CVV 5.352794
1619     136   werd   CVCC 5.310134
1592     135  waren CVV-CV 5.267474
620      134    kon    CVC 5.224814
646      133 kwamde   CCVC 5.182154
483      132 hadden CVC-CV 5.139494
436      131   ging    CVC 5.096834
734      130 moeste  CVVCC 5.054174
1171     129  stond  CCVCC 5.011514
1654     128  zagde    CVC 4.968854
1620     127 werden CVC-CV 4.926194
1683     126 zouden CVV-CV 4.883534

# Add a column to PV that you can visually check the regular expression matches.
PV$Match <- grepl(pattern = "(de|te)$", PV$Word)

# Subset PV data frame to show only TRUE matches
PV <- PV[PV$Match == FALSE, ]

结果如下所示

     LogFreq   Word PhonCV  FreqDev Match
482      139    had    CVC 5.438114 FALSE
1662     137    zei    CVV 5.352794 FALSE
1619     136   werd   CVCC 5.310134 FALSE
1592     135  waren CVV-CV 5.267474 FALSE
620      134    kon    CVC 5.224814 FALSE
483      132 hadden CVC-CV 5.139494 FALSE
436      131   ging    CVC 5.096834 FALSE
1171     129  stond  CCVCC 5.011514 FALSE
1620     127 werden CVC-CV 4.926194 FALSE
1683     126 zouden CVV-CV 4.883534 FALSE

Answer 3

使用grep

grep -xvE '.{17}(de|te).*' file.txt

从data.frame中选择以R中的特定字符串结尾的行

3 个答案: