Question

我有一个由“ZZZ1Z01Z0ZZ0”，“1001ZZ0Z00Z0”等条目组成的向量，我想基于以下条件对该向量进行子集化：

第三个字符是Z
第三个和第七个字符是Z
第三个和第七个字符是Z，并且其他字符都不是Z

我尝试使用strsplit和grep，但我无法找到根据字符串上字符位置限制条件的方法。有什么建议吗？

非常感谢！

Answer 1

您可以使用正则表达式执行此操作（有关正则表达式的详细信息，请参阅?regexp。）

grep返回匹配的位置，如果未找到匹配则返回零长度向量。您可能希望使用grepl，因为它返回一个可用于子集的逻辑向量。

z <- c("ZZZ1Z01Z0ZZ0", "1001ZZ0Z00Z0")
# 3rd character is Z ("^" is start of string, "." is any character)
grep("^..Z", z)
# 3rd and 7th characters are Z
grep("^..Z...Z", z)
# 3rd and 7th characters are Z, no other characters are Z
# "[]" defines a "character class" and "^" in a character class negates the match
# "{n}" repeats the preceding match n times, "+" repeats is one or more times
grep("^[^Z]{2}Z[^Z]{3}Z[^Z]+", z)

Answer 2

扩展Josh的答案，你想要

your_dataset <- data.frame(
  z = c("ZZZ1Z01Z0ZZ0", "1001ZZ0Z00Z0")
)
regexes <- c("^..Z", "^..Z...Z", "^[^Z]{2}Z[^Z]{3}Z[^Z]+")

lapply(regexes, function(rx)
{
  subset(your_dataset, grepl(rx, z))
})

另请考虑使用grepl(rx, z)包替换str_detect(z, rx) stringr。（除了稍微更易读的代码之外没有什么区别。）

Answer 3

你可以使用substr命令在没有正则表达式的情况下执行前两个，以便在需要时提取特定字符。

# Grab the third character in each element and compare it to Z
substr(z, 3, 3) == "Z"
# Check if the 3rd and 7th characters are both Z
(substr(z, 3, 3) == "Z") & (substr(z, 7, 7) == "Z")

然而，Joshua给出的正则表达式方法更灵活，并且尝试实现使用substr方法的第三个限制将是一个痛苦。正则表达式更适合于像第三个限制这样的问题，并且学习如何使用它们从来都不是一个坏主意。

如何基于字符串字符子集矢量？

3 个答案: