Question

我尝试以下方法： *从df中的合并列中提取字符模式 *使用提取的模式创建df列 *从合并列中删除提取的模式

假设您有此示例数据框

Col1 <- c("a1 b1 c1","a2 b2 c2","a3 b3 c3","a4 b4 c4")
dat <- data.frame(Col1)
dat

       Col1
   1 a1 b1 c1
   2 a2 b2 c2
   3 a3 b3 c3
   4 a4 b4 c4

如何提取包含＆＃34; a＆＃34;的所有元素？到另一列，然后从Col1中删除元素得到：

   dat

     Col1   Col2
   1 b1 c1   a1
   2 b2 c2   a2
   3 b3 c3   a3
   4 b4 c4   a4

我一直在使用R中的stringr包并使用str_extract来提取模式。有没有办法将数据框列设置为要在合并列中替换的模式？

Answer 1

一种选择是提取＆＃39; a＆＃39;其次是str_extract的数字（来自stringr），其余字符带有sub并创建data.frame

library(stringr)
data.frame(Col1 = sub("^\\S+\\s+", "", dat$Col1), Col2=str_extract(dat$Col, "a\\d+"))
#  Col1 Col2
#1 b1 c1   a1
#2 b2 c2   a2
#3 b3 c3   a3
#4 b4 c4   a4

或假设{＆＃39;后面跟着数字（base R）出现在字符串的开头，我们使用\\d+来匹配＆＃39; a＆＃39;后跟一个或多个数字，将其捕获为一个组（sub），然后再捕获一个空格（(a\\d+)），然后将第二个捕获组捕获为其余字符（\\s+）。我们将其替换为由(.*分隔的捕获组的反向引用。这可以在,中用于创建新的data.frame。

read.table/read.csv

或read.table(text=sub("(a\\d+)\\s+(.*)", "\\1,\\2", dat$Col1), sep=",", col.names=c("Col1", "Col2"), stringsAsFactors=FALSE)

中的extract

tidyr

Answer 2

这有效

 a.pat <- ([a]{1})([0-9]{1}) # Identify/create pattern to be extracted

 dat$Col2 <- str_extract(dat$Col1,a.pat) # Create a new column with extracted pattern

 # Now we will seperate and convert Col2 into a pattern
 Col2.pat <- as.list(dat$Col2) # Separate column pattern from df as list 
 Col2.pat <- as.character(Col2.pat) # set Col2 as a character string

 dat$Col1 <- str_replace(dat$Col1,Col2.pat,"") # Remove element from merged column

如何将数据框列设置为R中的可提取模式？

2 个答案: