Question

我是R的新手，所以如果这是一个愚蠢的问题，请放轻松。

我有一个名为foo的数据框：

< head(foo)
  Old.Clone.Name New.Clone.Name                                  File
1         A          Aa           A_mask_MF_final_IS2_SAEE7-1_02.nrrd
2         B          Bb   B_mask_MF_final_IS2ViaIS2h_SADQ15-1_02.nrrd
3         C          Cc   C_mask_MF_final_IS2ViaIS2h_SAEC16-1_02.nrrd
4         D          Dd    D_mask_MF_final_IS2ViaIS2h_SAEJ6-1_02.nrrd
5         E          Ee           F_mask_MF_final_IS2_SAED9-1_02.nrrd
6         F          Ff    F_mask_MF_final_IS2ViaIS2h_SAGP3-1_02.nrrd

我想从File列中提取与正则表达式(S[A-Z]{3}[0-9]{1,2}-[0-9]_02)匹配的代码，以便给我：

SAEE7-1_02
SADQ15-1_02
SAEC16-1_02
SAEJ6-1_02
SAED9-1_02
SAGP3-1_02

然后，我想使用这些代码在另一个目录中搜索包含相同代码的其他文件。

但是，我在第一个障碍时失败了，无法从数据框的该列中提取代码。

我试过了：

library('stringr')
str_extract(foo[3],regex("(S[A-Z]{3}[0-9]{1,2}-[0-9]_02)", ignore_case = TRUE))

但这只会返回[1] NA。

我只是遗漏了一些明显的东西吗？我期待在社区的帮助下解决这个问题。

Answer 1

str_extract(foo[3],"(?i)S[A-Z]{3}[0-9]{1,2}-[0-9]_02")

似乎有效。不知何故，我的R给了我

＆＃34; check_pattern（pattern，string）出错：找不到函数＆＃34; regex＆＃34;＆＃34;

使用原始表达时。

Answer 2

以下代码将重复您的要求（只需复制并粘贴到您的R控制台）：

library(stringr)
foo = scan(what='')
Old.Clone.Name New.Clone.Name File
A Aa A_mask_MF_final_IS2_SAEE7-1_02.nrrd
B Bb B_mask_MF_final_IS2ViaIS2h_SADQ15-1_02.nrrd
C Cc C_mask_MF_final_IS2ViaIS2h_SAEC16-1_02.nrrd
D Dd D_mask_MF_final_IS2ViaIS2h_SAEJ6-1_02.nrrd
E Ee F_mask_MF_final_IS2_SAED9-1_02.nrrd
F Ff F_mask_MF_final_IS2ViaIS2h_SAGP3-1_02.nrrd


foo = matrix(foo,ncol=3,byrow=T)
colnames(foo)=foo[1,]
foo = foo[-1,]
foo
str_extract(foo[,3],regex("(S[A-Z]{3}[0-9]{1,2}-[0-9]_02)", ignore_case = T))

隐藏的原因是：R按列存储条目，因此foo[3]是foo矩阵/数据帧的第3行和第1列。要引用第三列，您可能需要使用foo[,3]。或foo<-data.frame(foo); foo[[3]]。

Answer 3

您好如果您正在将数据作为表格文件读取，那么foo[3]是一个列表而str_extract不接受列表，只接受字符串，那么您应该使用lapply来提取每个元素的匹配。

lapply(foo[3], function(x) str_extract(x, "[sS][a-zA-Z]{3}[0-9]{1,2}-[0-9]_02"))

<强> 结果：

[1] "SAEE7-1_02"  "SADQ15-1_02" "SAEC16-1_02" "SAEJ6-1_02"  "SAED9-1_02"
[6] "SAGP3-1_02"

使用R中数据框列的正则表达式提取子字符串

3 个答案: