logo标签列表

在R中从数据框中拆分逗号分隔的模式

rregexdataframestrsplit
5

我有一个类似这样的数据集：

Old <- data.frame(
  X1= c(
    "AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785",
    "DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5",
    "ARL=149;AD=30,9;DEA=25;DER=25;DP=3077",
    "AD=244,49;ARL=144;DEA=7;DER=7;DP=245"
    ))


X1
AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785
DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5
ARL=149;AD=30,9;DEA=25;DER=25;DP=3077
AD=244,49;ARL=144;DEA=7;DER=7;DP=245

我想提取AD=xxx,xx中以分号 ";" 分隔的值，并将其添加到一个新列中： 预期输出为：
X1                                              X2
AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785       17795,54
DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5          4753,23
ARL=149;AD=30,9;DEA=25;DER=25;DP=3077           30,9
AD=244,49;ARL=144;DEA=7;DER=7;DP=245            244,49

我尝试过这个：

Old$X2<-mapply(
  function(x,  i) x[i],
  strsplit(X1, ";"),
  lapply(strsplit(X1, ";"), function(x) which(x == "AD="))
)
5个回答
7

我认为这也可以帮到你：

  • 我们首先捕获AD=这些字符，然后使用\\K重置报告的匹配起点，告诉正则表达式引擎放弃匹配AD=并重新开始匹配模式。
Old$X2 <- regmatches(Old$X1, gregexpr("(AD=)\\K[0-9,.]+(?=;)", Old$X1, perl = TRUE))
Old

                                         X1       X2
1 AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785 17795,54
2    DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5  4753,23
3     ARL=149;AD=30,9;DEA=25;DER=25;DP=3077     30,9
4      AD=244,49;ARL=144;DEA=7;DER=7;DP=245   244,49
5

这里是一个tidyverse的解决方案，可以将内容分为5列。

库

library(tidyverse)

数据

Old <- data.frame(
   X1= c(
      "AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785",
      "DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5",
      "ARL=149;AD=30,9;DEA=25;DER=25;DP=3077",
      "AD=244,49;ARL=144;DEA=7;DER=7;DP=245"
   ))

代码

Old %>% 
   # Creating 5 columns based on the separator ";"
   separate(col = X1,sep = ";", into = paste0("v",1:5)) %>% 
   # Pivotting data
   pivot_longer(cols = everything()) %>% 
   # Separating the value column based on the separator "="
   separate(value,into = c("var","value"),sep = "=") %>% 
   select(-name) %>% 
   pivot_wider(names_from = var,values_from = value) %>% 
   unnest()

输出

# A tibble: 4 x 5
  AD       ARL   DEA   DER   DP   
  <chr>    <chr> <chr> <chr> <chr>
1 17795,54 139   20    20    1785 
2 4753,23  123   5     5     4784 
3 30,9     149   25    25    3077 
4 244,49   144   7     7     245
3
我们可以使用sub。
sub(".*AD\\=(\\d+,\\d+);.*", "\\1", Old$X1)
当AD=xxx,xx在前面时，这个程序可以工作。AD=有时可能在中间或末尾。 - ersan
3
使用stringr中的str_match函数 -
Old$X2 <- stringr::str_match(Old$X1, 'AD=(\\d+,\\d+)')[, 2]
Old

#                                         X1       X2
#1 AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785 17795,54
#2    DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5  4753,23
#3     ARL=149;AD=30,9;DEA=25;DER=25;DP=3077     30,9
#4      AD=244,49;ARL=144;DEA=7;DER=7;DP=245   244,49

str_match 返回一个矩阵，使用 [, 2] 提取正则表达式中的捕获组。

2

使用 regmatches 的另一个基本 R 选项

transform(
  Old,
  X2 = unlist(regmatches(X1, gregexpr("(?<=AD=)(\\d+,)+\\d+(?=;)", X1, perl = TRUE)))
)

提供

                                         X1       X2
1 AD=17795,54;ARL=139;DEA=20;DER=20;DP=1785 17795,54
2    DP=4784;AD=4753,23;ARL=123;DEA=5;DER=5  4753,23
3     ARL=149;AD=30,9;DEA=25;DER=25;DP=3077     30,9
4      AD=244,49;ARL=144;DEA=7;DER=7;DP=245   244,49
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接