![](/img/trans.png)
[英]How to select strings to read from file or data.frame by partial string match or regex in R?
[英]Select rows from data.frame ending with a specific character string in R
我正在使用R,我有一個帶有近2,000個條目的data.frame,如下所示:
> head(PVs,15)
LogFreq Word PhonCV FreqDev
1593 140 was CVC 5.480774
482 139 had CVC 5.438114
1681 138 zou CVVC 5.395454
1662 137 zei CVV 5.352794
1619 136 werd CVCC 5.310134
1592 135 waren CVV-CV 5.267474
620 134 kon CVC 5.224814
646 133 kwam CCVC 5.182154
483 132 hadden CVC-CV 5.139494
436 131 ging CVC 5.096834
734 130 moest CVVCC 5.054174
1171 129 stond CCVCC 5.011514
1654 128 zag CVC 4.968854
1620 127 werden CVC-CV 4.926194
1683 126 zouden CVV-CV 4.883534
我想要做的是創建一個等於PV的新data.frame,除了作為“Word”列成員的所有條目都是一個不以“te”或“de”結尾的字符串除去。 即所有不以“de”或“te”結尾的單詞都應從data.frame中刪除。
我知道如何使用邏輯運算符從data.frames中選擇性地刪除條目,但這些條目在您設置數字條件時起作用。 我想這樣做我需要使用正則表達式,但遺憾的是R是我“知道”的唯一編程語言,所以我不知道在這里使用什么類型的代碼。
我感謝您的幫助。 提前致謝。
方法1
您可以將grepl
與grepl
的正則表達式一起使用。 考慮以下:
x <- c("blank","wade","waste","rubbish","dedekind","bated")
grepl("^.+(de|te)$",x)
[1] FALSE TRUE TRUE FALSE FALSE FALSE
正則表達式用任意次數( .+
)表示開始( ^
)然后找到de或te( (de|te)
)然后結束( $
)。
所以對於你的data.frame試試,
subset(PVs,grepl("^.+(de|te)$",Word))
方法2
要避免使用regexp方法,可以使用substr
方法。
# substr the last two characters and test
substr(x,nchar(x)-1,nchar(x)) %in% c("de","te")
[1] FALSE TRUE TRUE FALSE FALSE FALSE
所以嘗試:
subset(PVs,substr(Word,nchar(Word)-1,nchar(Word)) %in% c("de","te"))
我稍微修改了數據,以便在te或de中結束單詞。
> PV
LogFreq Word PhonCV FreqDev
1593 140 blahte CVC 5.480774
482 139 had CVC 5.438114
1681 138 aaaade CVVC 5.395454
1662 137 zei CVV 5.352794
1619 136 werd CVCC 5.310134
1592 135 waren CVV-CV 5.267474
620 134 kon CVC 5.224814
646 133 kwamde CCVC 5.182154
483 132 hadden CVC-CV 5.139494
436 131 ging CVC 5.096834
734 130 moeste CVVCC 5.054174
1171 129 stond CCVCC 5.011514
1654 128 zagde CVC 4.968854
1620 127 werden CVC-CV 4.926194
1683 126 zouden CVV-CV 4.883534
# Add a column to PV that you can visually check the regular expression matches.
PV$Match <- grepl(pattern = "(de|te)$", PV$Word)
# Subset PV data frame to show only TRUE matches
PV <- PV[PV$Match == FALSE, ]
結果如下所示
LogFreq Word PhonCV FreqDev Match
482 139 had CVC 5.438114 FALSE
1662 137 zei CVV 5.352794 FALSE
1619 136 werd CVCC 5.310134 FALSE
1592 135 waren CVV-CV 5.267474 FALSE
620 134 kon CVC 5.224814 FALSE
483 132 hadden CVC-CV 5.139494 FALSE
436 131 ging CVC 5.096834 FALSE
1171 129 stond CCVCC 5.011514 FALSE
1620 127 werden CVC-CV 4.926194 FALSE
1683 126 zouden CVV-CV 4.883534 FALSE
使用grep
grep -xvE '.{17}(de|te).*' file.txt
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.