Question

我有一个很大的数据框，其中的列看起来像这样：

var <- c("150507-001-0000001", "KMD070515-2-0000001", 
"15144KMD01AA-0000001", "Z75Z151222-0000001")

我想做的是提取字符串的一部分。我希望所有字符直到第二个连字符。所以这就是我所需要的：

150507-001
KMD070515-2 
15144KMD01AA-0000001
Z75Z151222-0000001

所以我知道我是否只想在连字符之前输入数据，我会这样做：

> var <- sub("-.*", "", var)

> var

150507
KMD070515 
15144KMD01AA
Z75Z151222

我还尝试了一个软件包 qdap ，该软件包有点给了我我想要的东西：

library("qdap")
var <- beg2char(var, "-", 2)

我确实获得了上一代码所需要的列，但是似乎有些错误。因为当我基于列执行left_join时，它不起作用。我可以在数据视图中通过复制粘贴找到匹配项，但是left_join找不到任何内容。但是，用sub制成的var进行leftjoin（见上文）即可。但是对于我的某些行，我需要第一个连字符（第二个连字符）之后的字符来找到匹配项。

Answer 1

我们可以使用sub来匹配非-的字符模式，然后匹配-和非-的另一组字符，捕获为一个组（(...)）并替换为捕获组的后向引用（\\1）

sub("^([^-]+-[^-]+).*", "\\1", var)
#[1] "150507-001"           "KMD070515-2"         
#[3]  "15144KMD01AA-0000001" "Z75Z151222-0000001"

Answer 2

对于那些可能感兴趣的人，这里是一个非正则表达式解决方案：

x <- "150507-001-0000001"
paste(strsplit(x, "-")[[1]][1:2], collapse="-")

[1] "150507-001"

如果您想将此逻辑应用于整个矢量，请使用：

sapply(var, function(x) paste(strsplit(x, "-")[[1]][1:2], collapse="-"))

根据规则从字符串中提取字符（重复的连字符）

2 个答案: