替换数据框列中的字符串/字符答案

【问题标题】：Replace strings/characters in data frame column替换数据框列中的字符串/字符
【发布时间】：2019-06-09 19:51:25
【问题描述】：

我在 R 中有一个数据框（“GO”），有 2 列，“term”和“gene”。 "term" 列是字符类型，具有如下条目：

GO_POSITIVE_REGULATION_OF_VIRAL_TRANSCRIPTION

GO_CARGO_RECEPTOR

GO_MATRIX ...

所以每列都以 GO_ 开头，单词之间有 _。我想删除 GO_ 并用空格替换其他 _。

我试图用 gsub 解决这个问题：

GO$term <- gsub('GO', '', GO$term)
GO$term <- gsub('\\_', ' ', GO$term)

问题是，例如 GO_CARGO_RECEPTOR 已成为 CAR RECEPTOR，但我需要它成为 CARGO RECEPTOR。

我不知道怎么可能在R中指定代码，所以在这个例子中只有开头的GO_和字符串中间的_被删除...

感谢您的帮助。

【问题讨论】：

您只需要sub 即sub("^GO_", "", GO$term)，因为gsub 替换了“GO”的多个实例。在这里，因为它只是开始的'GO'，你可以添加^来标记字符串的开始
所有字符串都以GO_ 开头吗？还是仅当字符串以GO_ 开头时才需要执行这些替换？

标签： r string gsub

【解决方案1】：

x <- "GO_CARGO_RECEPTOR"

gsub("_", " ", sub("^GO_", "", x))
[1] "CARGO RECEPTOR"

只需使用sub 代替gsub 来代替"GO_" 和gsub 其余部分。

【讨论】：

为什么gsub 会失败，例如gsub("_", " ", gsub("^GO_", "", x))？

【解决方案2】：

使用dplyr::mutate 加上一些base 函数在数据框中进行操作。

library(dplyr)
GO <- GO %>% 
  dplyr::mutate(term = base::substring(term, 4), # remove GO_
                term = base::gsub("_", " ", term))

> GO
                                        term     gene
1 POSITIVE REGULATION OF VIRAL TRANSCRIPTION 0.507617
2                             CARGO RECEPTOR 0.991978
3                                     MATRIX 0.543001

数据

GO <- data.frame(term = c("GO_POSITIVE_REGULATION_OF_VIRAL_TRANSCRIPTION",
                          "GO_CARGO_RECEPTOR",
                          "GO_MATRIX"),
                 gene = runif(3))

【讨论】：

【解决方案3】：

以防万一您只需要用以特定前缀开头的字符串中的空格替换 _ 并删除此前缀，您可以使用基于 PCRE 正则表达式的 gsub 之类的

x <- c("GO_POSITIVE_REGULATION_OF_VIRAL_TRANSCRIPTION","POSITIVE_REGULATION_OF_VIRAL_TRANSCRIPTION")
gsub("(?:\\G(?!^)|^GO_)([^_]*)_", "\\1 ", x, perl=TRUE)
## => [1] "POSITIVE REGULATION OF VIRAL TRANSCRIPTION"
##    [2] "POSITIVE_REGULATION_OF_VIRAL_TRANSCRIPTION"

请参阅 R demo 和 regex demo。

正则表达式详细信息

(?:\G(?!^)|^GO_) - 一个非捕获组，匹配前一个匹配项的结尾 (\G(?!^)) 或 (|) 行首的 GO_ 子字符串（前缀）
([^_]*) - 捕获组 1（此值在替换模式中用 \1 引用）：除 _ 之外的任何 0 个或多个字符
_ - 一个下划线。

【讨论】：