从 R 中的字符串中删除包括“[”之后的所有内容

Question

我正在尝试修改某些数据集的列名。 每列的命名类似于此字符串：

Patient Age [70: Age]

首先，我想删除[70:Age] ，这样我就只有Patient Age ，然后我想用下划线替换字符串中的所有空格实例。

我知道如何用gsub()用下划线替换空格，但我不知道如何在[...之后删除所有内容。

我不断收到“ invalid regular expression ”错误，因为正则表达式也需要] 。

如果你能帮助我正确的语法，请告诉我。

我知道下面的代码删除了标点符号，但我不希望列名中出现“70 岁”

gsub("[[:punct:]]", "", names(full_data)[1])
[1] "Patient Age 70 Age"

Answer 1

我建议使用

x <- "Patient Age [70: Age]"
trimws(gsub("(?:\\[[^][]*]|\\s)+", "_", x), whitespace="_")
# => [1] "Patient_Age"

这里，

• (?:\[[^][]*]|\s)+ - 匹配一个或多个出现的
  • \[[^][]*] - 一个[ ，然后是除[和]之外的任何零个或多个字符，然后是一个]字符
  • | - 或者
  • \s - 一个空格字符

请参阅正则表达式演示和R 演示。

匹配项替换为_ 。 由于结果字符串中可能有前导/尾随_ ，因此您可以使用trimws修剪它们。

Answer 2

或者，您可以使用嵌套sub操作：

sub("\\s", "_", sub("\\s\\[.*?\\]", "", x))

第一个sub （右侧）删除[...]表达式之前的空格以及[...]表达式本身，第二个sub （左侧）将剩余的空格替换为_ 。

Answer 3

我们可以使用base R中的trimws和chartr

chartr(" ", "_", trimws(x, whitespace = "\\s*\\[.*"))
#[1] "Patient_Age"

数据

x <- "Patient Age [70: Age]"