R grep 与正则表达式

Question

我正在尝试将所有适当的数据框列定义为因素，并且我拥有的条件包括什么不是因素（通过 ngram 列表，请参见下面的代码 sn-p）：

data.clean[,names(data.clean)[grep("^[^time]*[^tot]*[^count]*[^score]*[^include]*[^has]*[^__fe]*$", 
            names(data.clean))]] 
<- as.factor(as.character(data.clean[,names(data.clean)[grep("^[^time]*[^tot]*[^count]*[^score]*[^include]*[^has]*[^__fe]*$", 
                                      names(data.clean))]]))

但它似乎并没有起到作用。 任何建议为什么？ 谢谢

Answer 1

这个：

grep("^[^time]*[^tot]*[^count]*[^score]*[^include]*[^has]*[^__fe]*$", names(data.clean))

没有做你认为它正在做的事情。 [^time]* 将匹配任何不包含 't'、'i'、'm' 或 'e' 的字符序列。因此，完整的表达式是与任何这些补充字符类匹配的任何内容。例如，abbbccdde 将匹配该表达式。

我认为你真正想要的是：

grep("^(time|tot|count|score|include|has|__fe)$", names(data.clean), invert=TRUE)

此模式将与指定的 ngram 完全匹配，并且 invert=TRUE 将返回匹配的补集，即所有与指定 ngram 不匹配的单词。