过滤掉R中只有一个句点的所有行答案

【问题标题】：Filter out all rows with only one period in R过滤掉R中只有一个句点的所有行
【发布时间】：2018-11-20 17:43:47
【问题描述】：

我有这个专栏，Identifier，其中包含字符值。

structure(list(Identifier = c("RL.K", "RL.K.1", "RL.K.2", "RL.K.3", 
"RL.K.4", "RL.K.5", "RL.K.6", "RL.K.7", "RL.K.9", "RL.K.10", 
"RI.K", "RI.K.1", "RI.K.2", "RI.K.3", "RI.K.4", "RI.K.5", "RI.K.6", 
"RI.K.7", "RI.K.9", "RI.K.10", "RF.K", "RF.K.1")), row.names = c(NA, 
-22L), class = c("tbl_df", "tbl", "data.frame"))

如何过滤掉只有一个句点的值？这样我就可以取出第 1、11 和 21 行

【问题讨论】：

标签： r dplyr

【解决方案1】：

如果我们要使用 base 和 grepl，有一个更简单的正则表达式代码：

df[grepl("\\..*\\.", df$Identifier),]

（正则表达式的解释：\\. 查找文字 .，.* 查找任何内容，因此此代码查找有两个文字点被任何内容分隔的情况）

【讨论】：

【解决方案2】：

使用基数 R 的解决方案。（找到所有恰好只有一个点的字符串）

grepl("^[^.]*[.][^.]*$", df1$Identifier)

要删除带有一个点的行，请使用：

df1[
!grepl("^[^.]*[.][^.]*$", df1$Identifier),
]

【讨论】：

它需要一个! 在grepl 表达式之前，因为您想过滤掉那些只有一个. 正则表达式正在搜索的人。
感谢@Gwang-JinKim。我刚刚意识到“过滤掉”的意思是“删除”。

【解决方案3】：

我们可以计算“标识符”中.的数量，并为filter行创建逻辑条件

library(tidyverse)
df1 %>% 
   filter(str_count(Identifier, "[.]") == 1)
# A tibble: 3 x 1
#  Identifier
#  <chr>     
#1 RL.K      
#2 RI.K      
#3 RF.K

或者正如@WiktorStribizew 提到的，fixed 可以被包装以使其更快

df1 %>% 
   filter(str_count(Identifier, fixed(".")) == 1)

或者不使用任何外部库，

df1[nchar(gsub("[^.]*", "", df1$Identifier)) == 1,]

或者使用来自base R的gregexpr

df1[lengths(gregexpr(".", df1$Identifier, fixed = TRUE)) == 1,]

【讨论】：

为什么是正则表达式？只需找到一个点，使用str_count(Identifier, fixed("."))
哇，这太快了！

【解决方案4】：

使用尽可能少的正则表达式；）：

has.only.one.dot <- function(str_vec) sapply(strsplit(str_vec, "\\."), function(vec) length(vec) == 2)
df[!has.only.one.dot(df$Identifier), ]

但是，sapply 和 strsplit 列表函数比正则表达式解决方案要慢。

has.only.one.dot <- function(str_vec) grepl("\\.", str_vec) & ! grepl("\\..*\\.", str_vec)
df[!has.only.one.dot(df$Identifier), ]

【讨论】：