从数据框中的字符串中删除字符

Question

我有一个数据框，其中“ID”列的值如下： 1234567_GSM00298873 1238416_GSM90473673 98377829

换句话说，有些行有7个数字后跟“_”后跟字母和数字;其他行只有数字

我想删除字母前面的数字和下划线，而不会影响只有数字的行。我试过了

dataframe$ID <- gsub("*_", "", dataframe$ID)

但这只会删除下划线。所以我了解到*意味着零或更多。 是否有通配符和重复运算符，以便我可以告诉它找到“任何 - 七次跟随_”的模式？ 谢谢！

Answer 1

您的正则表达式语法不正确。你的重复算子之前没有任何东西。

dataframe$ID <- gsub('[0-9]+_', '', dataframe$ID)

这匹配任何字符：0到9（1或更多次），前面有下划线。

Working Demo

Answer 2

这样的东西？：

 dataframe$ID <- gsub("[0-9]+_", "", dataframe$ID)

Answer 3

链接http://marvin.cs.uidaho.edu/Handouts/regex.html可以帮助您。

1. "[0-9]*_"将匹配数字后跟'_'
2. "[0-9]{7}_"将匹配7个数字，后跟“_”
3. ".{7}_"将匹配7个字符，后跟'_'

Answer 4

另一种方法。如果字符串有下划线，则从下划线返回到字符串的末尾;如果没有，请返回字符串。

ID <- c("1234567_GSM00298873", "1238416_GSM90473673", "98377829")
ifelse(grepl("_", ID), substr(x = ID, 9, nchar(ID)), ID)