我想要使用R中的正则表达式清理一些数据。
很容易找到如何获取包含某些模式的元素,或者不包含某些单词(字符串),但我无法找到如何排除包含模式的单元格。
如何使用常规函数仅保留不包含 PATTERN 的向量中的元素?
我不想举一个例子,因为这可能会导致人们使用其他(虽然通常很好)的方式回答而不是预期的方式:基于正则表达式排除。无论如何这里都是:
如何排除包含以下任何字符的所有元素:
'pyfgcrl
vector <- c("Cecilia", "Cecily", "Cecily's", "Cedric", "Cedric's", "Celebes",
"Celebes's", "Celeste", "Celeste's", "Celia", "Celia's", "Celina")
在这种情况下,结果将是一个空矢量。
答案 0 :(得分:6)
编辑:从评论中,经过一些测试,我会发现我的建议不正确。
以下是两个正确的解决方案:
vector[!grepl("['pyfgcrl]", vector)] ## kohske
grep("['pyfgcrl]", vector, value = TRUE, invert = TRUE) ## flodel
如果他们中的任何一个想重新发帖并接受他们的回答,我很乐意在这里删除我的。
您正在寻找的常规功能是grepl
。来自grepl
的帮助文件:
grepl
返回逻辑向量(对于x
的每个元素是否匹配。)
此外,您应该阅读regex
的帮助页面,其中介绍了字符类。在这种情况下,您创建一个字符类['pyfgcrl]
,它表示要查找方括号中的任何字符。然后,您可以使用!
否定此内容。
所以,到目前为止,我们有一些看起来像:
!grepl("['pyfgcrl]", vector)
为了得到你想要的东西,你像往常一样进行分组。
vector[!grepl("['pyfgcrl]", vector)]
对于@flodel提供的第二个解决方案,grep
默认返回匹配的位置,value = TRUE
参数允许您返回实际的字符串价值而不是。 invert = TRUE
表示返回不匹配的值。