Question

我需要从矢量中的字符串中提取特定数字，如下所示：

V1    V2    info
XX    YY    AB=414312;CD=0.5555;EF=1234;GH=2346;IJ=551;AA_CD=0.4633
VV    ZZ    AB=1093;CD=0.4444,0.78463;EF=1654;GH=6546;IJ=1241;AA_CD=0.4366

我只想从＆＃34; CD = XXX＆＃34;中提取数字。（注意每行还有一个＆＃34; AA_CD = XXXX＆＃34;）

我目前有：

df$info <- as.numeric(gsub("^.*;CD=[0-9, ],?|;.*$", "", df$info))

在＆＃34; CD =＆＃34;之后抓取数字在用逗号分隔的数字不超过一个的情况下。

我需要这个包含多个以逗号分隔的数字的行。我的正则表达式仅适用于该点中只有一个数字的行，如下所示：

0.5555
0.4444,0.78463
0.0123
0.34,0.54,0.765

我知道这可能是我犯的一个愚蠢的错误...提前谢谢!!!

Answer 1

这是一种方法

lapply(strsplit(gsub("^.*;CD=(0\\.[0-9]),?|;.*$", "\\1", vec), ","), as.numeric)

gsub("^.*;CD=(0\\.[0-9]),?|;.*$", "\\1", vec) #extracts the numbers
#output
1] "0.5555"         "0.4444,0.78463"

然后将这些内容拆分为,，strsplit生成一个列表

然后as.numeric将列表元素转换为lapply

如果不需要跟踪哪个向量成员具有哪个数字：

as.numeric(unlist(strsplit(gsub("^.*;CD=(0\\.[0-9]),?|;.*$", "\\1", vec), ",")))

gsub从字符串regex可选逗号中提取特定数字

1 个答案: