删除"."后面的字符串

Question

我正在处理NCBI参考序列访问号，例如变量a：

a <- c("NM_020506.1","NM_020519.1","NM_001030297.2","NM_010281.2","NM_011419.3", "NM_053155.2")  

从biomart包中获取信息时，我需要删除访问号后面的.1，.2等字符。 我通常使用以下代码来完成此操作：

b <- sub("..*", "", a)

# [1] "" "" "" "" "" ""

但是正如您所看到的，这不是这个变量的正确用法。有谁能帮助我解决这个问题吗？

- Lisann

Answer 1

您只需要转义句点即可：

a <- c("NM_020506.1","NM_020519.1","NM_001030297.2","NM_010281.2","NM_011419.3", "NM_053155.2")

gsub("\\..*","",a)
[1] "NM_020506"    "NM_020519"    "NM_001030297" "NM_010281"    "NM_011419"    "NM_053155" 

- Hansi

---

澄清：使用基础包中的函数（即不使用其他包，如stringr），选项如下所示： b1 <- gsub("\..","",a, fixed=FALSE) b2 <- sub("\..","",a, fixed=FALSE) 在某些情况下，您可能需要更改fixed参数。但是，在这里，您必须将其设置为FALSE（默认值）；否则它将无法工作。此外，您需要双重转义符号\\，否则会出现错误。 - David C.

你不会将它与 fixed 设为 TRUE，因为我们在这里使用正则表达式。 - Hansi

Answer 2

我们可以假装它们是文件名并删除 扩展名：

tools::file_path_sans_ext(a)
# [1] "NM_020506"    "NM_020519"    "NM_001030297" "NM_010281"    "NM_011419"    "NM_053155"

- zx8754

Answer 3

你可以这样做：

sub("*\\.[0-9]", "", a)

或者

library(stringr)
str_sub(a, start=1, end=-3)

- johannes

---

备选方案：str_replace(a,"\\.[0-9]","") 和 str_replace(a,"\\..*","") - Paolo

str_sub(a, start = 1, end = -3) 这种解决方法假设只有两个字符需要删除（"."和紧随其后的一个数字）。对于许多基因ID系统来说，版本中可能有多个数字（尤其是探针ID）。在这种情况下，更灵活的解决方案是使用 str_remove(a, pattern="\\..*")。在上面的代码中，该模式用于找到第一个句点（使用 "\\."），然后是之后的任何字符(".")任何次数("*")。 - Gabriel J. Odom

Answer 4

如果字符串需要固定长度，那么可以使用来自基本R的substr。但是，我们可以用regexpr获取.的位置，并在substr中使用它。

substr(a, 1, regexpr("\\.", a)-1)
#[1] "NM_020506"    "NM_020519"    "NM_001030297" "NM_010281"    "NM_011419"    "NM_053155"   

- akrun

Answer 5

我们可以使用前瞻正则表达式来提取在.之前的字符串。

library(stringr)

str_extract(a, ".*(?=\\.)")
[1] "NM_020506"    "NM_020519"    "NM_001030297" "NM_010281"   
[5] "NM_011419"    "NM_053155"   

- benson23

Answer 6

另一个选择是使用 stringr 中的 str_split 函数：

library(stringr)
str_split(a, "\\.", simplify=T)[,1]

[1] "NM_020506"    "NM_020519"    "NM_001030297" "NM_010281"    "NM_011419"    "NM_053155"   

- user438383