Question

在R？

中同时使用正则表达式时，是否可以聚合或使用子集？

我想解决的问题是：我有一个名为'wpbCellFeatures'的数据框，其中包含多个列，包括唯一标识符'rowColFoVCell'：

   rowColFoVCell wpbCount meanFeret meanPerim  meanCirc   meanAR meanRound meanSolidity
1   001001001001       38  1.182632  3.047368 0.7560526 1.948947 0.6036842    0.8289474
2   001001001002        8  1.886250  4.493750 0.7537500 2.365000 0.5350000    0.8325000

此列包含数字'001001001001'，'001001001002'，'001001001003'，......，'001003004002'，...等。形成此ID的数字对应于行号，列号，字段视图和单元格编号，例如'001003004002'是第一行，第三列，第四视野和第二个单元格。

例如，我想选择行数在1到3之间的所有标识符，并聚合到一个新的数据框中。如何在R中执行此操作，我认为它将涉及使用聚合和正则表达式，但我对此不太熟悉？

由于

Answer 1

我不会使用正则表达式，而是使用read.fwf（或substr或相关函数）将第一列拆分为相应的列。然后，将其绑定回原始数据集，并像往常一样使用aggregate等。

toBind <- read.fwf(file = textConnection(as.character(mydf$rowColFoVCell)), 
                   widths = c(3, 3, 3, 3), colClasses = "character", 
                   col.names = c("Row", "Col", "FoV", "Cell"))
cbind(toBind, mydf)
#   Row Col FoV Cell rowColFoVCell wpbCount meanFeret meanPerim  meanCirc   meanAR meanRound
# 1 001 001 001  001  001001001001       38  1.182632  3.047368 0.7560526 1.948947 0.6036842
# 2 001 001 001  002  001001001002        8  1.886250  4.493750 0.7537500 2.365000 0.5350000
#   meanSolidity
# 1    0.8289474
# 2    0.8325000

在这里，我从“mydf”开始：

mydf <- structure(list(rowColFoVCell = c("001001001001", "001001001002"), 
                  wpbCount = c(38L, 8L), meanFeret = c(1.182632, 1.88625), 
                  meanPerim = c(3.047368, 4.49375), 
                  meanCirc = c(0.7560526, 0.75375), 
                  meanAR = c(1.948947, 2.365), 
                  meanRound = c(0.6036842, 0.535), 
                  meanSolidity = c(0.8289474, 0.8325)), 
                  .Names = c("rowColFoVCell", "wpbCount", "meanFeret", 
                             "meanPerim", "meanCirc", "meanAR", "meanRound",
                             "meanSolidity"), 
                  class = "data.frame", row.names = c(NA, -2L))

Answer 2

经过一些研究，我发现使用子集和正则表达式是要走的路而不是聚合。以下是我解决这个难题的方法：

wpbCellFeaturesControl <- subset(wpbCellFeatures, grepl("^[0-9]{3}(00[1-3])[0-9]{6}", wpbCellFeatures$rowColFoVCell))

grepl匹配rowColFoVCell列中引号内的模式，
^表示从字符串开头开始搜索 [0-9]{3}位数为零到九次3次 (00[1-3])搜索模式001，002和003
[0-9]{6}个数字为零至九次六次

R正则表达式和聚合/子集

2 个答案: