与 R 中的 GREPL 和 WITH 函数匹配的字符串

Question

我希望删除数据框中不符合特定列中正则表达式的任何行，即单元格必须以两个字符开头，后跟四个数字，之后我不在乎它是 U09 还是 U21。前 6 个字符很重要。

我正在使用以下代码，但返回了 0 行，我不确定为什么：

with(prachData, prachData[grepl("^[A-Z][A-Z][0-9]{4}$", WCEL.name), ])

当我输入head(prachData$WCEL.name) 时，我得到以下详细信息：

> head(prachData$WCEL.name)
[1] 0           0           CE0001U21B2 CE0001U21A3 CE0001U21C1 CE0001U21B1
13684 Levels: 0 1 11 12 13 2 21 22 23 3 31 32 33 CE0001U09A3 CE0001U09B3 CE0001U09C3 CE0001U21A1 CE0001U21A2 ... WX0114U09C3

使用class(prachData$WCEL.name) 我得到：

[1] "factor"

谁能指导我解决我的错误？

Answer 1

问题似乎是在模式中使用$，这意味着字符串的结尾，因为它是一个元字符，但根据显示的输入，情况并非如此，因为在 4 位数字之后还有其他字符为好吧，即字符串不是仅以 6 个字符结尾，因此 grepl 将为 OP 的模式返回 FALSE。相反，它可以，

with(prachData, prachData[grepl("^[A-Z][A-Z][0-9]{4}", WCEL.name), ])

---

展示一个可重现的例子

v1 <- factor(c(0,           0,           'CE0001U21B2', 'CE0001U21A3', 
                 'CE0001U21C1', 'CE0001U21B1'))
grepl("[A-Z]{2}[0-9]{4}$", v1)
#[1] FALSE FALSE FALSE FALSE FALSE FALSE

返回所有 FALSE

所以，当我们根据上面的索引子集 'v1' 时，

v1[grepl("[A-Z]{2}[0-9]{4}$", v1)]
#factor(0)
#Levels: 0 CE0001U21A3 CE0001U21B1 CE0001U21B2 CE0001U21C1

它返回长度为 0。

同时

grepl("[A-Z]{2}[0-9]{4}", v1)
#[1] FALSE FALSE  TRUE  TRUE  TRUE  TRUE