R：使用正則表達式保持6位數的數據行

Question

mydat <- data.frame(id = c("372303", "KN5232", "231244", "283472-3822"),
                    name = c("Adam", "Jane", "TJ", "Joyce"))
> mydat
           id  name
1       372303  Adam
2       KN5232  Jane
3       231244    TJ
4  283472-3822 Joyce

在我的數據集中，我想保留id是 6 位數字的行。 對於那些包含一個 6 位數字后跟-和一個 4 位數字的數字，我只想保留前 6 個。

我的最終數據應如下所示：

> mydat2
               id    name
    1       372303   Adam
    3       231244     TJ
    2       283472  Joyce

我正在使用以下grep("^[0-9]{6}$", c("372303", "KN5232", "231244", "283472-3822"))但這不考慮以下情況我只想保留-之前的前 6 位數字。

Answer 1

一種方法是在-處拆分，然后使用filter或subset進行提取

library(dplyr)
library(tidyr)
library(stringr)
mydat %>% 
  separate_rows(id, sep = "-") %>% 
  filter(str_detect(id, '^\\d{6}$'))

-輸出

# A tibble: 3 × 2
  id     name 
  <chr>  <chr>
1 372303 Adam 
2 231244 TJ   
3 283472 Joyce

Answer 2

您可以從每個 ID 中提取第一個獨立的 6 位數字，然后僅保留帶有 6 位代碼的項目：

mydat <- data.frame(id = c("372303", "KN5232", "231244", "283472-3822"),name = c("Adam", "Jane", "TJ", "Joyce"))
library(stringr)
mydat$id <- str_extract(mydat$id, "\\b\\d{6}\\b")
mydat[grepl("^\\d{6}$",mydat$id),]

Output：

      id  name
1 372303  Adam
3 231244    TJ
4 283472 Joyce

\b\d{6}\b將 6 位代碼匹配為獨立數字，因為\b是字邊界。

Answer 3

您還可以使用非常簡單的正則表達式（ \\d{6} ）提取所有 6 位數字，轉換為數字（正如我所期望的那樣）並刪除NA 。

例如

library(dplyr)
library(stringr)

mydat |> 
  mutate(id = as.numeric(str_extract_all(id, "\\d{6}"))) |>
  na.omit()

Output：

      id  name
1 372303  Adam
3 231244    TJ
4 283472 Joyce