Question

我有一个双列数据框，并希望将其中一个列拆分为两个具有细菌菌株名称的列，另一个列为其中生长的Media。该数据位于标题为＆＃34; strain＆＃34;并且格式为＆＃34; Speciesname＆＃34; - ＆＃34; Mediatype＆＃34;。我想使用一个检测连字符的正则表达式＆＃34; - ＆＃34;将两个变量分成不同的列。

以下是我迄今为止尝试过的代码：

lysate.long <-
lysate %>%
filter(str_detect(Strain, pattern = "[:alnum:]-[:alnum:]")) %>%
tidyr::extract(Strain,
             c("Strain", "Media"),
             regex = "([[:alnum:]])-([[:alnum:]]+)",
             convert = TRUE)

但是，上面的代码不包括在Strain和Media名称中都存在的句点。例如，菌株命名为大肠杆菌＆＃34;，＆＃34; B.Subtilis＆＃34;等等和媒体被命名为＆＃34; 0＆＃34;，＆＃34; 0.1＆＃34;，＆＃34; 0.01＆＃34;根据稀释。

目前使用的正则表达式仅检测句点之前或之后的字符。如何格式化它以便包含两个字符？

Answer 1

对于基础R解决方案，gsub应该有效：

df <- data.frame(x=c("E.coli-agar"))
df$species <- gsub("-.*$", "", df$x)
df$media <- gsub("^.*?-", "", df$x)

df
            x species media
1 E.coli-agar  E.coli  agar

Demo

对我的回答一个重要的假设是破折号对于每一条数据只出现一次，而且只出现一次。如果不是这种情况，我需要添加额外的逻辑。

格式化复杂变量名称的正则表达式

1 个答案:

Demo