Question

假设我有以下数据框：

User.Id    Tags
34234      imageUploaded,people.jpg,more,comma,separated,stuff
34234      imageUploaded
12345      people.jpg

我如何使用grep（或其他工具）只捕获包含“imageUploaded”和“people”的行？换句话说，我怎样才能创建一个只包含字符串“imageUploaded”和“people.jpg”的行的子集，无论顺序如何。

我试过了：

data.people<-data[grep("imageUploaded|people.jpg",results$Tags),]
data.people<-data[grep("imageUploaded?=people.jpg",results$Tags),]

是否有AND运营商？或者也许是另一种获得预期结果的方法？

Answer 1

感谢this answer，这个正则表达式似乎有效。您希望使用grepl()返回逻辑索引到数据对象中。我不会声称完全理解正则表达式的内部运作，但无论如何：

x <- c("imageUploaded,people.jpg,more,comma,separated,stuff", "imageUploaded", "people.jpg")

grepl("(?=.*imageUploaded)(?=.*people\\.jpg)", x, perl = TRUE)
#-----
[1]  TRUE FALSE FALSE

Answer 2

我喜欢@Chase的答案，这对我来说很有意义，但使用一个人们并不完全理解的结构会有点危险。

这个答案是为了让任何想要使用@thelatemail更直接的方法的人放心，它的工作原理同样适用，并且速度完全具有竞争力。这肯定是我在这种情况下使用的。（同样令人放心的是，更复杂的Perl兼容正则表达式不会为其功能和易扩展性而付出任何性能成本。）

library(rbenchmark)
x <- paste0(sample(letters, 1e6, replace=T), ## A longer vector of
            sample(letters, 1e6, replace=T)) ## possible matches

## Both methods give identical results
tlm <- grepl("a", x, fixed=TRUE) & grepl("b", x, fixed=TRUE)
pat <- "(?=.*a)(?=.*b)"
Chase <- grepl(pat, x, perl=TRUE)
identical(tlm, Chase)
# [1] TRUE    

## Both methods are similarly fast
benchmark(
    tlm = grepl("a", x, fixed=TRUE) & grepl("b", x, fixed=TRUE),
    Chase = grepl(pat, x, perl=TRUE))
#          test replications elapsed relative user.self sys.self
# 2       Chase          100    9.89    1.105      9.80     0.10
# 1 thelatemail          100    8.95    1.000      8.47     0.48

Answer 3

为了便于阅读，您可以这样做：

x <- c(
       "imageUploaded,people.jpg,more,comma,separated,stuff",
       "imageUploaded",
       "people.jpg"
       )

xmatches <- intersect(
                      grep("imageUploaded",x,fixed=TRUE),
                      grep("people.jpg",x,fixed=TRUE)
                     )
x[xmatches]
[1] "imageUploaded,people.jpg,more,comma,separated,stuff"

Answer 4

以下是使用hadley＆＃39; stringr::str_detect()的grep的替代方法。这避免了使用perl=true @ jan-stanstrup。此外，dplyr::filter()将返回数据框内的行，因此您永远不需要离开df。

library(stringr)
libary(dplyr)
 x <- data.frame(User.Id =c(34234,34234,12345), 
                 Tags=c("imageUploaded,people.jpg,more,comma,separated,stuff",
                        "imageUploaded",
                        "people.jpg"))

 data.people <- x %>% filter(str_detect(Tags,"(?=.*imageUploaded)(?=.*people\\.jpg)"))
 data.people

# returns
#  User.Id                                                Tags
# 1   34234 imageUploaded,people.jpg,more,comma,separated,stuff

这更简单，如果＆＃34; people.jpg＆＃34;始终遵循＆＃34; imageUploaded＆＃34;

str_extract(x,"imageUploaded.*people\\.jpg")

R grep：有一个AND运算符吗？

4 个答案: