grep一个字怎么准确

Question

我想 grep 用于以下字符向量中的“氮”，并且只想取回包含“氮”的条目，而不是 rest（例如固氮）：

varnames=c("nitrogen", "dissolved organic nitrogen", "nitrogen fixation", "total dissolved nitrogen", "total nitrogen")

我试过这样的事情：

grepl(pattern= "![[:space:]]nitrogen![[:space:]]", varnames)

但这不起作用。

Answer 1

尽管 Dason 的回答更简单，但您可以通过以下方式使用 grep 进行精确匹配：

varnames=c("nitrogen", "dissolved organic nitrogen", "nitrogen fixation", "total dissolved nitrogen", "total nitrogen")

grep("^nitrogen$",varnames,value=TRUE)
[1] "nitrogen"

grep("^nitrogen$",varnames)
[1] 1

Answer 2

要获得与“氮”完全相同的指数，您可以使用

which(varnames == "nitrogen")

根据您想要执行的操作，您甚至可能不需要“which”，因为varnames == "nitrogen"给出了 TRUE/FALSE 的逻辑向量。 如果您只想做一些事情，例如用“氧气”替换所有出现的“氮气”，这就足够了

varnames[varnames == "nitrogen"] <- "oxygen"

Answer 3

或者使用fixed = TRUE如果你想匹配实际的字符串（较少的regex ）：

v <- sample(c("nitrogen", "potassium", "hidrogen"), size = 100, replace = TRUE, prob = c(.8, .1, .1))
grep("nitrogen", v, fixed = TRUE)
# [1]   3   4   5   6   7   8   9  11  12  13  14  16  19  20  21  22  23  24  25
# [20]  26  27  29  31  32  35  36  38  39  40  41  43  44  46  47  48  49  50  51
# [39]  52  53  54  56  57  60  61  62  65  66  67  69  70  71  72  73  74  75  76
# [58]  78  79  80  81  82  83  84  85  86  87  88  89  91  92  93  94  95  96  97
# [77]  98  99 100

不知道速度问题，我喜欢测试东西并声称方法 A 比方法 B 更快，但理论上，至少根据我的经验，索引/二元运算符应该是最快的，所以我投票支持@Dason 的方法。 另请注意， regex es总是比fixed = TRUE grep ing 慢。

下面附上一点证明。 请注意，这是一个蹩脚的测试， system.time应该放在replicate中以获得（更多）准确的差异，你应该考虑异常值等等。但是这个肯定证明你应该使用which ！ =)

(a0 <- system.time(replicate(1e5, grep("^nitrogen$", v))))
# user  system elapsed 
# 5.700   0.023   5.724  
(a1 <- system.time(replicate(1e5, grep("nitrogen", v, fixed = TRUE))))
# user  system elapsed 
# 1.147   0.020   1.168 
(a2 <- system.time(replicate(1e5, which(v == "nitrogen"))))
# user  system elapsed 
# 1.013   0.020   1.033