移除"_"之前的所有字符。

Question

如何在"_"之前删除任何字符和数字；例如：

> char <- c("SRR04_d3_GCTCGGTAAGCACCTCGCCACATA","SRR04_d1_ACTCGGTAAGCACCTCGCCACATA",
+           "JH-HL_GCTCGGTAAGCATGTCGCCACATA","HZ04_d5_GCTCGGTAAGCACCTCGCCACATA")
> c("GCTCGGTAAGCACCTCGCCACATA","ACTCGGTAAGCACCTCGCCACATA",
+           "GCTCGGTAAGCATGTCGCCACATA","GCTCGGTAAGCACCTCGCCACATA")
[1] "GCTCGGTAAGCACCTCGCCACATA" "ACTCGGTAAGCACCTCGCCACATA" "GCTCGGTAAGCATGTCGCCACATA"
[4] "GCTCGGTAAGCACCTCGCCACATA"

我能使用来自tidyverse的str_replace函数进行这项操作吗？

- Z. Zhang

Answer 1

您可以使用 sub 来实现此功能 -

sub('.*_', '', char)

#[1] "GCTCGGTAAGCACCTCGCCACATA" "ACTCGGTAAGCACCTCGCCACATA"
#[3] "GCTCGGTAAGCATGTCGCCACATA" "GCTCGGTAAGCACCTCGCCACATA"

或者，如果您更喜欢使用stringr函数。

stringr::str_remove(char, '.*_')
stringr::str_replace(char, '.*_', '')

- Ronak Shah

---

这将删除下划线，但我不确定原帖作者是否需要。他之前说过。如果不需要，则sub或str_replace中的''可以是'_'。在示例数据中，有一个形如“sometext_moretext_lasttext”的字符串，原帖作者想要什么结果？是moretext_lasttext还是只有lasttext-请确保您得到了您想要/期望的结果。 - CALUM Polwart

Answer 2

Base R:

或者使用 strsplit 和 sapply：

> sapply(strsplit(char, '_'), tail, n=1)
[1] "GCTCGGTAAGCACCTCGCCACATA" "ACTCGGTAAGCACCTCGCCACATA" "GCTCGGTAAGCATGTCGCCACATA" "GCTCGGTAAGCACCTCGCCACATA"
> 

- U13-Forward

Answer 3

这里有一种替代方式：

library(stringr)
str_replace_all(char, ".*_(?=[^:]+$)", "")

输出：

[1] "GCTCGGTAAGCACCTCGCCACATA" "ACTCGGTAAGCACCTCGCCACATA" "GCTCGGTAAGCATGTCGCCACATA"
[4] "GCTCGGTAAGCACCTCGCCACATA"

- TarJae

Answer 4

我们可以使用来自基础R的trimws函数。

trimws(char, whitespace = ".*_")
[1] "GCTCGGTAAGCACCTCGCCACATA" "ACTCGGTAAGCACCTCGCCACATA" 
[3] "GCTCGGTAAGCATGTCGCCACATA" "GCTCGGTAAGCACCTCGCCACATA"

- akrun

Answer 5

可以使用stringr软件包提取字符串末尾的所有字母：

library(stringr)
str_extract(char, "[[:alpha:]]*$")
# [1] "GCTCGGTAAGCACCTCGCCACATA" "ACTCGGTAAGCACCTCGCCACATA" "GCTCGGTAAGCATGTCGCCACATA"
# [4] "GCTCGGTAAGCACCTCGCCACATA"

- Miff

Answer 6

我会使用gsub和模式[^\W_]+_来表达您的问题。这将针对一个或多个字母数字字符，在下划线之前，任意次数。

char <- c("SRR04_d3_GCTCGGTAAGCACCTCGCCACATA","SRR04_d1_ACTCGGTAAGCACCTCGCCACATA",
      "JH-HL_GCTCGGTAAGCATGTCGCCACATA","HZ04_d5_GCTCGGTAAGCACCTCGCCACATA")
output <- gsub("[^\\W_]+_", "", char)
output

[1] "GCTCGGTAAGCACCTCGCCACATA" "ACTCGGTAAGCACCTCGCCACATA"
[3] "GCTCGGTAAGCATGTCGCCACATA" "GCTCGGTAAGCACCTCGCCACATA"

- Tim Biegeleisen