使用 R 中的 grep 过滤数据框中与正则表达式匹配的变量中的值答案

【问题标题】：Filter the values in a variable in a dataframe which match a regular expression using grep in R使用 R 中的 grep 过滤数据框中与正则表达式匹配的变量中的值
【发布时间】：2019-06-24 02:18:54
【问题描述】：

我有这样的数据

data <- data.frame(
  ID_num = c("BGR9876", "BNG3421", "GTH4567", "YOP9824", "Child 1", "2JAZZ", "TYH7654"),
  date_created = "19/07/1983"
)

我想过滤数据框，以便只保留 ID_num 遵循模式 ABC1234 的行。我是在 grep 中使用正则表达式的新手，我弄错了。这就是我正在尝试的

data_clean <- data %>%
  filter(grep("[A-Z]{3}[1:9]{4}", ID_num))

这给了我错误Error in filter_impl(.data, quo) : Argument 2 filter condition does not evaluate to a logical vector

这是我想要的输出

data_clean <- data.frame(
  ID_num = c("BGR9876", "BNG3421", "GTH4567", "YOP9824", "TYH7654"),
  date_created = "19/07/1983"
)

谢谢

【问题讨论】：

标签： r regex dplyr

【解决方案1】：

我们可以在模式中使用grepl

data[grepl("[A-Z]{3}\\d{4}", data$ID_num), ]

#   ID_num date_created
#1 BGR9876   19/07/1983
#2 BNG3421   19/07/1983
#3 GTH4567   19/07/1983
#4 YOP9824   19/07/1983
#7 TYH7654   19/07/1983

或在filter

library(dplyr)
data %>% filter(grepl("[A-Z]{3}\\d{4}", ID_num))

【讨论】：

【解决方案2】：

1:9 应为 1-9，grepl 和 ^ 指定字符串的开头，$ 指定字符串的结尾

library(dplyr)
data %>%
   filter(grepl("^[A-Z]{3}[1-9]{4}$", ID_num))
#   ID_num date_created
#1 BGR9876   19/07/1983
#2 BNG3421   19/07/1983
#3 GTH4567   19/07/1983
#4 YOP9824   19/07/1983
#5 TYH7654   19/07/1983

filter 需要一个逻辑向量，grep 返回数字索引，而grepl 返回逻辑向量

或者如果我们想使用grep，请使用slice，它需要数字索引

data %>%
   slice(grep("^[A-Z]{3}[1-9]{4}$", ID_num))

tidyverse 中的类似选项是使用 str_detect

library(stringr)
data %>%
    filter(str_detect(ID_num, "^[A-Z]{3}[1-9]{4}$"))

在base R，我们可以做

subset(data, grepl("^[A-Z]{3}[1-9]{4}$", ID_num))

或Extract

data[grepl("^[A-Z]{3}[1-9]{4}$", data$ID_num),]

注意这里会专门找3个大写字母后跟4个数字的模式，不匹配

grepl("[A-Z]{3}[1-9]{4}", "ABGR9876923")
#[1] TRUE

grepl("^[A-Z]{3}[1-9]{4}$", "ABGR9876923")
#[1] FALSE

【讨论】：