Ekstrak substring sesuai dengan pola

Misalkan saya memiliki daftar string:

string = c("G1:E001", "G2:E002", "G3:E003")

Sekarang saya berharap untuk mendapatkan vektor string yang hanya berisi bagian setelah titik dua ":", yaitu substring = c(E001,E002,E003).

Apakah ada cara yang nyaman dalam R untuk melakukan ini? Menggunakan substr?

Berikut ini beberapa cara:

1) sub

sub(".*:", "", string)
## [1] "E001" "E002" "E003"

2) strsplit

sapply(strsplit(string, ":"), "[", 2)
## [1] "E001" "E002" "E003"

3) baca

read.table(text = string, sep = ":", as.is = TRUE)$V2
## [1] "E001" "E002" "E003"

4) substring

Ini mengasumsikan bagian kedua selalu dimulai pada karakter ke-4 (yang merupakan kasus pada contoh dalam pertanyaan):

substring(string, 4)
## [1] "E001" "E002" "E003"

4a) substring / regex

Jika titik dua tidak selalu dalam posisi yang diketahui, kita dapat memodifikasi (4) dengan mencarinya:

substring(string, regexpr(":", string) + 1)

5) strapplyc

strapplyc mengembalikan bagian yang di-kurung:

library(gsubfn)
strapplyc(string, ":(.*)", simplify = TRUE)
## [1] "E001" "E002" "E003"

6) baca.dcf

Yang ini hanya berfungsi jika substring sebelum titik dua adalah unik (seperti yang ada pada contoh di pertanyaan). Juga mengharuskan pemisah menjadi titik dua (yang ada dalam pertanyaan). Jika pemisah yang berbeda digunakan maka kita bisa menggunakannya subuntuk menggantinya dengan titik dua terlebih dahulu. Sebagai contoh, jika separator itu _kemudianstring <- sub("_", ":", string)

c(read.dcf(textConnection(string)))
## [1] "E001" "E002" "E003"

7) terpisah

7a) Menggunakan tidyr::separatekita membuat bingkai data dengan dua kolom, satu untuk bagian sebelum titik dua dan satu untuk setelah, dan kemudian mengekstrak yang terakhir.

library(dplyr)
library(tidyr)
library(purrr)

DF <- data.frame(string)
DF %>% 
  separate(string, into = c("pre", "post")) %>% 
  pull("post")
## [1] "E001" "E002" "E003"

7b) Bergantian separatedapat digunakan untuk membuat postkolom dan kemudian unlistdan unnamebingkai data yang dihasilkan:

library(dplyr)
library(tidyr)

DF %>% 
  separate(string, into = c(NA, "post")) %>% 
  unlist %>%
  unname
## [1] "E001" "E002" "E003"

8) trimws Kita dapat menggunakan trimwsuntuk memotong karakter kata dari kiri dan kemudian menggunakannya lagi untuk memotong titik dua.

trimws(trimws(string, "left", "\\w"), "left", ":")
## [1] "E001" "E002" "E003"

Catatan

Input stringdiasumsikan:

string <- c("G1:E001", "G2:E002", "G3:E003")

Misalnya menggunakan gsubatausub

    gsub('.*:(.*)','\\1',string)
    [1] "E001" "E002" "E003"

Ini jawaban sederhana lain

gsub("^.*:","", string)

Terlambat ke pesta, tetapi untuk anak cucu, paket stringr (bagian dari paket "tidyverse" paket populer) sekarang menyediakan fungsi dengan tanda tangan yang diselaraskan untuk penanganan string:

string <- c("G1:E001", "G2:E002", "G3:E003")
# match string to keep
stringr::str_extract(string = string, pattern = "E[0-9]+")
# [1] "E001" "E002" "E003"

# replace leading string with ""
stringr::str_remove(string = string, pattern = "^.*:")
# [1] "E001" "E002" "E003"

Ini harus dilakukan:

gsub("[A-Z][1-9]:", "", string)

memberi

[1] "E001" "E002" "E003"

Jika Anda menggunakan data.tablemaka itu tstrsplit()adalah pilihan alami:

tstrsplit(string, ":")[[2]]
[1] "E001" "E002" "E003"

The unglue paket menyediakan alternatif, tidak ada pengetahuan tentang ekspresi reguler diperlukan untuk kasus sederhana, di sini kita akan melakukan:

# install.packages("unglue")
library(unglue)
string = c("G1:E001", "G2:E002", "G3:E003")
unglue_vec(string,"{x}:{y}", var = "y")
#> [1] "E001" "E002" "E003"

^{Dibuat pada 2019-11-06 oleh paket reprex (v0.3.0)}

Info lebih lanjut: https://github.com/moodymudskipper/unglue/blob/master/README.md