使用data.table删除字符串的一部分

Question

使用data.table删除字符串的一部分

3

我有一个数据表，其中包含一些字符串。当我发现重复的东西时，我只需要用它们来识别某些行。首先我想要用它来识别特定的行（并创建一个基于此的新变量）。然后我想去掉该部分（在我的示例中为x）。

我知道有一些不使用data.table的解决方案。但是，对我来说，问题在于学习更好地使用data.table，并且我需要%chin%的提高时间性能，这就是为什么我想学习如何在data.table中设置它的原因。

c <- c("a", "b (x)", "c", "d (x)")
d <- c(1, 2, 3, 4)

c_name <- "string"
d_name <- "numeric"

df <- data.frame(c,d)
names(df) <- c(c_name,d_name)
setDT(df)

#Now comes the part where I want to create a new variable "Newvar" that only has text, if no "(x)" is in (%chin%) the string variable c:
df[ !( c %chin% c("(x)")) , Newvar:="had (x)"]
#My code does not work. It just takes All Rows. 

#Next I want to remove all parts with (x) in string var c:
df[ ( c %chin% c("(x)")) , c ]
#this does not work like this.

我没有收到任何错误消息，但我的最终数据集应该像这样：

#Final data set generation:

# 1) manually searching for (x)
Newvar <- c("", "had (x)","", "had (x)" )
# 2) "renaming" the string variable c
df$string <- gsub("\\(x\\)*", "", df$string)

#so actually the solution should be:
  df$string <- c("a", "b", "c", "d")

不过在我的实际问题中，我无法用手写任何代码，即使有一辈子的时间 :D

- canIchangethis

2

提供了一个很好的可重现示例，但请不要在Stack Overflow上发布像rm(list = ls())这样的代码。我不想从您的问题中复制/粘贴代码并意外运行该行。 - Gregor Thomas

哦，抱歉，我会删除它的！非常抱歉，我不知道！ - canIchangethis

1个回答

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

- Gregor Thomas · Accepted Answer

%chin%进行全匹配，就像%in%一样，但速度更快。你试图将其用于字符串内的部分匹配。要在字符串中匹配模式，请使用grep（或grepl，它返回一个逻辑值，在这种情况下很好用）。

c
# [1] "a"     "b (x)" "c"     "d (x)"
c %chin% "(x)"
# [1] FALSE FALSE FALSE FALSE
grepl("(x)", c, fixed = TRUE)
# [1] FALSE  TRUE FALSE  TRUE

如果你使用grepl，我认为你的代码将按照你的期望工作。我使用fixed = TRUE是因为我们匹配的是一个确切的模式，而不是正则表达式。

我还觉得奇怪的是，你费尽心思地将c列命名为"string"，但你总是使用向量c而不是data.table中的列df$string。我建议修改为：

# old
df[ !( c %chin% c("(x)")) , Newvar:="had (x)"]
# new: use `grepl` instead of `%chin%`, and `string` instead of `c`
df[ !grepl("(x)", string, fixed = TRUE) , Newvar:="had (x)"]