在数据框中的列中排除部分字符串答案

【问题标题】：exclude part of a character string in a column in a dataframe在数据框中的列中排除部分字符串
【发布时间】：2020-12-03 17:00:16
【问题描述】：

我有一个 df，它有几个用下划线分隔的 id，像这样：

df1:
id           v1
1001          2 
10002_10002  19

我希望删除下划线和下划线之后的任何内容，如下所示：

df1:
id           v1
1001          2 
10002        19

我试过这段代码，但它给了我一个列表，而不是一个 df。有人可以帮忙吗？

df2 <- strsplit(df1$id, split='_', fixed=TRUE)

【问题讨论】：

标签： r string dataframe

【解决方案1】：

您需要访问列表的内容，然后保留拆分产生的两个元素中的第一个：

df1$id <- strsplit(df1$id, "_", fixed=TRUE)[[1]][1]

你也可以在这里使用sub：

df1$id <- sub("_.*$", "", df1$id)

【讨论】：

【解决方案2】：

这里有tidyverse/stringr的解决方案：

library(tidyverse)
my_df <- data.frame(
  stringsAsFactors = FALSE,
                id = c("1001", "10002_10002"),
                v1 = c(2L, 19L)
)
my_df %>% 
  mutate(id=str_remove(id, regex("(_.*)")))
#>      id v1
#> 1  1001  2
#> 2 10002 19

^{由reprex package (v0.3.0) 于 2020 年 12 月 3 日创建}

【讨论】：

谢谢@zoowalk。

【解决方案3】：

我喜欢用 stringr 包

require(stringr)
    df1 <- data.frame(id = c("1001","1002_10002"), v1 = c(2,19))
    
    df1$id <- str_remove(df1$id, pattern = "_.+")

【讨论】：

谢谢你，莱昂纳多。

【解决方案4】：

我们可以从stringr使用word

library(stringr)
library(dplyr)
df1 %>%
     mutate(id = word(id, 1, sep="_"))
 #      id v1
 #1  1001  2
 #2 10002 19

另一个选项是trimws 来自base R

df1$id <- trimws(df1$id, whitespace = "_.*")

数据

df1 <- structure(list(id = c("1001", "10002_10002"), 
v1 = c(2L, 19L)), class = "data.frame", row.names = c(NA, 
-2L))

【讨论】：