在 R 中使用 grep 過濾數據幀中與正則表達式匹配的變量中的值

Question

我有看起來像這樣的數據

data <- data.frame(
  ID_num = c("BGR9876", "BNG3421", "GTH4567", "YOP9824", "Child 1", "2JAZZ", "TYH7654"),
  date_created = "19/07/1983"
)

我想過濾數據框，以便只保留 ID_num 遵循模式 ABC1234 的行。 我是在 grep 中使用正則表達式的新手，我弄錯了。 這就是我正在嘗試的

data_clean <- data %>%
  filter(grep("[A-Z]{3}[1:9]{4}", ID_num))

這給了我Error in filter_impl(.data, quo) : Argument 2 filter condition does not evaluate to a logical vector的錯誤Error in filter_impl(.data, quo) : Argument 2 filter condition does not evaluate to a logical vector

這是我想要的輸出

data_clean <- data.frame(
  ID_num = c("BGR9876", "BNG3421", "GTH4567", "YOP9824", "TYH7654"),
  date_created = "19/07/1983"
)

謝謝

Answer 1

1:9應該是1-9並且grepl和^一起指定字符串的開頭和$指定字符串的結尾

library(dplyr)
data %>%
   filter(grepl("^[A-Z]{3}[1-9]{4}$", ID_num))
#   ID_num date_created
#1 BGR9876   19/07/1983
#2 BNG3421   19/07/1983
#3 GTH4567   19/07/1983
#4 YOP9824   19/07/1983
#5 TYH7654   19/07/1983

filter需要一個邏輯向量， grep返回數字索引，而grepl返回邏輯向量

---

或者，如果我們想使用grep ，請使用需要數字索引的slice

data %>%
   slice(grep("^[A-Z]{3}[1-9]{4}$", ID_num))

---

tidyverse一個類似選項是使用str_detect

library(stringr)
data %>%
    filter(str_detect(ID_num, "^[A-Z]{3}[1-9]{4}$"))

---

在base R ，我們可以做

subset(data, grepl("^[A-Z]{3}[1-9]{4}$", ID_num))

或使用Extract

data[grepl("^[A-Z]{3}[1-9]{4}$", data$ID_num),]

---

請注意，這將專門查找 3 個大寫字母后跟 4 個數字的模式，並且不匹配

grepl("[A-Z]{3}[1-9]{4}", "ABGR9876923")
#[1] TRUE

grepl("^[A-Z]{3}[1-9]{4}$", "ABGR9876923")
#[1] FALSE

Answer 2

我們可以將grepl與模式一起使用

data[grepl("[A-Z]{3}\\d{4}", data$ID_num), ]

#   ID_num date_created
#1 BGR9876   19/07/1983
#2 BNG3421   19/07/1983
#3 GTH4567   19/07/1983
#4 YOP9824   19/07/1983
#7 TYH7654   19/07/1983

或者在filter

library(dplyr)
data %>% filter(grepl("[A-Z]{3}\\d{4}", ID_num))