使用正则表达式的具有多个条件的一列转换

Question

我有一个数据框：

ID       value
1      he following object is masked from ‘package:purrr’
2      Attaching package: ‘magrittr’
3      package ‘ggplot2’ was built under R version 3.6.2
4      Warning messages:

这是一个转换列值的代码：

df <- df %>% 
  mutate(value = stringr::str_replace(value, '(^he following object)', '\\1'),
         value = stringr::str_replace(value, '(^Attaching package:)', '\\1'),
         value = stringr::str_replace(value, '(^package ‘ggplot2’)', '\\1'))
) %>%   
  group_by(ID, value) 

输出是：

ID       value
1      he following object
2      Attaching package: 
3      package ‘ggplot2’
4      Warning messages:

如您所见，我在一列中多次使用 stringr::str_replace。我的实际数据要大得多（如数百万行）。这只是一个子集示例。那么，我怎样才能将这三次结合使用这个功能一次呢？我想使用相同的函数和库（没有根本的变化）

这个我试过了，还是不行：

df <- df %>% 
  mutate(value = str_replace_all(value, '(^he following object).*|(^Attaching package:).*|(^package ‘ggplot2’).*', '\\1')) %>%   
  group_by(ID, value)

它给了我这个：

ID       value
1      he following object’
2      
3     
4      Warning messages:

Answer 1

这就是你要找的吗？

df %>% 
 mutate(value = stringr::str_replace_all(value, 
                                         c('(^he following object).*' = '\\1',
                                           '(^Attaching package:).*'= '\\1',
                                           '(^package ‘ggplot2’).*'= '\\1')
                                         ))
#>   ID               value
#> 1  1 he following object
#> 2  2  Attaching package:
#> 3  3   package ‘ggplot2’
#> 4  4   Warning messages:

请注意，我必须添加 .*，因为您的代码对我不起作用。它并没有取代整个句子。

Answer 2

您可以使用str_extract，然后将coalesce 与现有值一起使用，而不是使用str_replace 并捕获带有反向引用的字符串。

library(dplyr)
library(stringr)

df %>%
  mutate(value1 = str_extract(value, 
                '^(he following object|Attaching package:|package ‘ggplot2)'), 
         value = coalesce(value1, value)) %>%
  select(-value1)

#  ID               value
#1  1 he following object
#2  2  Attaching package:
#3  3    package ‘ggplot2
#4  4   Warning messages: