grep() 和 sub() 以及正则表达式答案

【问题标题】：grep() and sub() and regular expressiongrep() 和 sub() 以及正则表达式
【发布时间】：2018-06-13 18:51:33
【问题描述】：

我想将我的data.frame 中的变量名称从例如更改为“pmm_StartTimev4_E2_C19_1”到“pmm_StartTimev4_E2_C19”。因此，如果名称以下划线结尾，后跟任意数字，它将被删除。

但我希望只有在变量名称中包含“Start”一词时才会发生这种情况。

我有一段混乱的代码无法运行。任何帮助，将不胜感激！

# Current data frame:    
dfbefore <- data.frame(a=c("pmm_StartTimev4_E2_C19_1","pmm_StartTimev4_E2_E2_C1","delivery_C1_C12"),b=c("pmm_StartTo_v4_E2_C19_2","complete_E1_C12_1","pmm_StartTo_v4_E2_C19"))

# Desired data frame:
dfafter <- data.frame(a=c("pmm_StartTimev4_E2_C19","pmm_StartTimev4_E2_E2_C1","delivery_C1_C12"),b=c("pmm_StartTo_v4_E2_C19","complete_E1_C12_1","pmm_StartTo_v4_E2_C19"))

# Current code:
sub((.*{1,}[0-9]*).*","",grep("Start",names(df),value = TRUE)

【问题讨论】：

sub("_\\d$", ""

标签： r regex string-substitution

【解决方案1】：

使用gsub() 来做这样的事情怎么样。

stripcol <- function(x) {
  gsub("(.*Start.*)_\\d+$", "\\1", as.character(x))  
}

dfnew <- dfbefore
dfnew[] <- lapply(dfbefore, stripcol)

我们使用正则表达式查找“开始”，然后抓取除下划线数字之外的所有内容。我们使用lapply 将函数应用于所有列。

【讨论】：

每个字符串只有一个替换，所以gsub可以是sub。

【解决方案2】：

doit <- function(x){
  x <- as.character(x)
  if(grepl("Start",x)){
    x <- gsub("_([0-9])","",x)
  }
  return(x)
} 


apply(dfbefore,c(1,2),doit)

    a                          b                      
[1,] "pmm_StartTimev4_E2_C19"   "pmm_StartTo_v4_E2_C19"
[2,] "pmm_StartTimev4_E2_E2_C1" "complete_E1_C12_1"    
[3,] "delivery_C1_C12"          "pmm_StartTo_v4_E2_C19"

【讨论】：

【解决方案3】：

我们可以使用sub 来捕获还存在“开始”子字符串后跟一个下划线和一个或多个数字的组。在替换中，使用捕获组的反向引用。由于有多个列，使用lapply 循环列，应用sub 并将输出分配回原始数据

out <- dfbefore
out[] <- lapply(dfbefore, sub, 
            pattern = "^(.*_Start.*)_\\d+$", replacement ="\\1")
out

dfafter[] <- lapply(dfafter, as.character)
all.equal(out, dfafter, check.attributes = FALSE)
#[1] TRUE

【讨论】：