在R中将一个列中的字符串提取到另一个列中

Question

我有一个类似下面的示例数据框。

ID	File
1	11_213.csv
2	13_256.csv
3	11_223.csv
4	12_389.csv
5	14_456.csv
6	12_345.csv

我想要在基于下划线和句点之间的字符串的基础上添加另一列，从而获得如下所示的数据框。

ID	File	Group
1	11_213.csv	213
2	13_256.csv	256
3	11_223.csv	223
4	12_389.csv	389
5	14_456.csv	456
6	12_345.csv	345

我认为我需要在stringr中使用str_extract功能，但我不确定我的模式应该使用什么符号。例如，当我使用:

df <- df %>%
mutate("Group" = str_extract(File, "[^_]+"))

我想获取下划线之后到句点之前的所有信息，应该使用什么正则表达式，替换掉"[^_]+"即可。以下是相关代码：

ID	文件	组
1	11_213.csv	11
2	13_256.csv	13
3	11_223.csv	11
4	12_389.csv	12
5	14_456.csv	14
6	12_345.csv	12

但这不是我想要的。请问应该使用什么正则表达式才能得到下划线和句点之间的内容？谢谢！

- beanboy

---

你需要使用 str_extract(File, "(?<=_)(\\d+)(?=\\.)")。 - akrun

Answer 1

我们可以使用正则表达式的环视来提取紧跟着_，并且在.之前的数字(\\d+)，并使用str_extract函数。

library(dplyr)
library(stringr)
df <- df %>%
    mutate(Group = str_extract(File, "(?<=_)(\\d+)(?=\\.)")

---

另一个选项是使用 str_remove 函数来移除子字符串，即匹配包括 _ 的字符 (.*) 或者从 . 开始（. 可以在正则表达式模式下匹配任何字符 - 默认情况下是这样的，因此我们通过转义 \\ 来进行字面匹配）。

df <- df %>%
        mutate(Group = str_remove_all(File, ".*_|\\..*"))

- akrun

Answer 2

使用 gsub 的基本 R 选项

transform(
  df,
  Group = gsub(".*_(\\d+)\\..*", "\\1", File)
)

提供

  ID       File Group
1  1 11_213.csv   213
2  2 13_256.csv   256
3  3 11_223.csv   223
4  4 12_389.csv   389
5  5 14_456.csv   456
6  6 12_345.csv   345

- ThomasIsCoding