Question

很抱歉，标题有点罗word，希望本示例会有所帮助。我有以下数据集：

my_df
                                     Description thisYVal thisPts
1                     (12:00)   Start Period        0       0
2        (12:00)   Jump Ball Thomas vs Grant        0       0
3      (11:48) [MIA 3-] Wade Layup Shot: Missed     0       2
4  (11:46) [PHL] Thomas Rebound (Off: Def:1)        0       0
6     (11:02) [MIA] Haslem Jump Shot: Missed      -19       2
7  (11:00) [MIA] Haslem Rebound (Off:1 Def:)        0       0
8    (10:57) [MIA] Haslem Layup Shot: Missed        0       2
9 (10:56) [PHL] Coleman Rebound (Off: Def:1)        0       0

dput(my_df)
structure(list(Description = c("(12:00)   Start Period", "(12:00)   Jump Ball Thomas vs Grant", 
"(11:48) [MIA 3-] Wade Layup Shot: Missed", "(11:46) [PHL] Thomas Rebound (Off: Def:1)", 
"(11:02) [MIA] Haslem Jump Shot: Missed", "(11:00) [MIA] Haslem Rebound (Off:1 Def:)", 
"(10:57) [MIA] Haslem Layup Shot: Missed", "(10:56) [PHL] Coleman Rebound (Off: Def:1)"
), thisYVal = c(0L, 0L, 0L, 0L, -19L, 0L, 0L, 0L), thisPts = c(0L, 
0L, 2L, 0L, 2L, 0L, 2L, 0L)), row.names = c(1L, 2L, 3L, 4L, 6L, 
7L, 8L, 9L), class = "data.frame")

...，我想提取出现在数据框的Description列中的3个字母的团队缩写。

第三个字母的描述始终紧跟在第一个方括号 [之后，尽管不一定总是紧随其后的是] （如数据框第3行所示）。

我一直在尝试使用substr（）函数来执行此操作，但是到目前为止还没有运气。任何帮助表示赞赏！

编辑：一些附加上下文-一些行（在这种情况下为1和2）没有[]或团队缩写。在这些情况下，数据框可能返回空字符串，NA或其他内容。

EDIT-2：只是为了以防万一，因为它没有被明确提及-我试图获取带有c("", "", "MIA", "PHL", "MIA", "MIA", "MIA", "PHL")的第四列

Edit-3：以下内容使我接近，但还不完全是

my_df %>% 
  dplyr::mutate(teamAbb = unlist(stringr::str_extract(Description, "\\[(.*)\\]")))

Answer 1

R最近将{ "require" : { "php" : ">=7.0", "bitwasp/bitcoin": "0.0.35.0", "btccom/bitwasp-bitcoin-bch-addon" : "0.0.2" } }引入了其标准strcapture软件包：

utils

Answer 2

您可以使用stringr软件包中的str_match。具体来说，您将需要在左方括号后寻找三个大写字母（假设 all 团队缩写为三个字母）。

> str_match(df$Description, '\\[([A-Z]{3})')
     [,1]   [,2] 
[1,] NA     NA   
[2,] NA     NA   
[3,] "[MIA" "MIA"
[4,] "[PHL" "PHL"
[5,] "[MIA" "MIA"
[6,] "[MIA" "MIA"
[7,] "[MIA" "MIA"
[8,] "[PHL" "PHL"

您会注意到，团队缩写模式实际上在括号内；这是因为它是我们要提取的模式的subgroup。这样，str_match返回（1）整个模式，以及（2）括号中指定的子组。因此，在这种情况下，我们要采用第二列，其中包含来自 first 子组的匹配项。

df$Team <- str_match(df$Description, '\\[([A-Z]{3})')[,2]

这给我们想要的结果：

                                 Description Team
1                     (12:00)   Start Period <NA>
2        (12:00)   Jump Ball Thomas vs Grant <NA>
3  (11:48) [MIA 3-] Wade Layup Shot: Missed   MIA
4  (11:46) [PHL] Thomas Rebound (Off: Def:1)  PHL
5     (11:02) [MIA] Haslem Jump Shot: Missed  MIA
6  (11:00) [MIA] Haslem Rebound (Off:1 Def:)  MIA
7    (10:57) [MIA] Haslem Layup Shot: Missed  MIA
8 (10:56) [PHL] Coleman Rebound (Off: Def:1)  PHL

Answer 3

这是另一种选择，它在方括号后查找3个非数字并将其放在名为Team的新列中。

library(tidyverse)

df %>% mutate(Team = str_extract(Description, "(?<=\\[)\\D{3}"))
#>                                  Description thisYVal thisPts Team
#> 1                     (12:00)   Start Period        0       0 <NA>
#> 2        (12:00)   Jump Ball Thomas vs Grant        0       0 <NA>
#> 3   (11:48) [MIA 3-] Wade Layup Shot: Missed        0       2  MIA
#> 4  (11:46) [PHL] Thomas Rebound (Off: Def:1)        0       0  PHL
#> 5     (11:02) [MIA] Haslem Jump Shot: Missed      -19       2  MIA
#> 6  (11:00) [MIA] Haslem Rebound (Off:1 Def:)        0       0  MIA
#> 7    (10:57) [MIA] Haslem Layup Shot: Missed        0       2  MIA
#> 8 (10:56) [PHL] Coleman Rebound (Off: Def:1)        0       0  PHL

由reprex package（v0.2.0）于2018-09-09创建。

提取R数据框的字符列（创建新列）中括号之间的文本

3 个答案: