使用带有正则表达式的 dplyr 过滤掉 R 数据框中具有模式的记录答案

【问题标题】：Filter out records with a pattern in R dataframe using dplyr with regex使用带有正则表达式的 dplyr 过滤掉 R 数据框中具有模式的记录
【发布时间】：2018-12-23 13:24:21
【问题描述】：

我试图仅提取 col1 中具有日期的记录并过滤掉其他记录。问题是我的变量没有固定的数据格式。所以我在 R 中的 dplyr 包上使用正则表达式并进行模式匹配。能够从数据集中过滤文本数据。但是无法过滤掉只有“2018”的记录。任何帮助将不胜感激。

library(dplyr)
library(re)
library(stringr)
data1 <- data.frame( c( "sds_ds", "2018/01/11", "02/04/2018","2018"), c( 2018, 76, 35,45), c( 2017, 79, 38,46 ))
names(data1) <- c("col1", "col2", "col3")
data1

data1_clean = data1 %>% 
  filter(!str_detect(col1, pattern = "[a-z]"))
data1_clean

【问题讨论】：

标签： r dplyr

【解决方案1】：

如果我们 filtering out 'col1' 中只有年份的行，一个选项是否定

library(stringi)
library(dplyr)
data1 %>% 
   filter(str_detect(col1, '[0-9/]'), 
          !stri_detect(col1, regex = "^[0-9]{4}$"))

#         col1 col2 col3
#1 2018/01/11   76   79
#2 02/04/2018   35   38

【讨论】：

这会带来文本为“sds_ds”的数据，这不是必需的。在这个例子中它应该只显示2条记录。但我明白你的意思。谢谢。
@Akash 谢谢，我没注意到。已编辑
谢谢你.. 我学到了另一个概念，我们可以在同一个过滤器中使用逗号分隔符传递多个 str_detect。

【解决方案2】：

我们可以根据我们拥有的日期格式定义正则表达式并在filter中使用它

library(dplyr)

data1 %>% filter(grepl("[0-9]{2,4}\\/[0-9]{2}\\/[0-9]{2,4}", col1))


#        col1 col2 col3
#1 2018/01/11   76   79
#2 02/04/2018   35   38

等价于基础 R

data1[grepl("[0-9]{2,4}\\/[0-9]{2}\\/[0-9]{2,4}", data1$col1), ]

【讨论】：

感谢您的回复。在这里，您将度过 2018 年，但它可以是任何一年。我也只想记录第二和第三。并从我的数据集中删除第一条和第四条记录。
@Akash 更新了答案，看看它是否适合您的情况。