在 R 中将字符串从一列提取到另一列

Question

我有一个示例数据框，如下所示。

ID	文件
1	11_213.csv
2	13_256.csv
3	11_223.csv
4	12_389.csv
5	14_456.csv
6	12_345.csv

我想根据下划线和句点之间的字符串添加另一列，以获得看起来像这样的数据框。

ID	文件	团体
1	11_213.csv	213
2	13_256.csv	256
3	11_223.csv	223
4	12_389.csv	389
5	14_456.csv	456
6	12_345.csv	345

我想我需要在 stringr 中使用 str_extract 功能，但我不确定要为我的模式使用什么符号。 例如，当我使用：

df <- df %>%
mutate("Group" = str_extract(File, "[^_]+"))

我得到下划线之前的所有信息，如下所示：

ID	文件	团体
1	11_213.csv	11
2	13_256.csv	13
3	11_223.csv	11
4	12_389.csv	12
5	14_456.csv	14
6	12_345.csv	12

但这不是我想要的。 我应该使用什么来代替“[^_]+”来获取下划线和句点之间的内容？ 谢谢！

Answer 1

我们可以使用正则表达式环视来提取_和 a 之前的数字（ \\d+ ） . 使用str_extract

library(dplyr)
library(stringr)
df <- df %>%
    mutate(Group = str_extract(File, "(?<=_)(\\d+)(?=\\.)")

---

或者另一种选择是使用 str_remove 删除str_remove即匹配字符 ( .* )，包括_或 ( | ) 字符. 之后（ .可以匹配正则表达式模式下的任何字符 - 这是默认情况下，所以我们转义\\它以进行文字匹配）

df <- df %>%
        mutate(Group = str_remove_all(File, ".*_|\\..*"))

Answer 2

使用gsub的基本 R 选项

transform(
  df,
  Group = gsub(".*_(\\d+)\\..*", "\\1", File)
)

给

  ID       File Group
1  1 11_213.csv   213
2  2 13_256.csv   256
3  3 11_223.csv   223
4  4 12_389.csv   389
5  5 14_456.csv   456
6  6 12_345.csv   345