如何提取子字符串作为dplyr:：mutate管道的一部分

我有以下数据框：

库（tidyverse）
df#A tibble:10 x 3
#>pfc_chr pfc_chr st peak_名称
#>                      
#>1 chr1 3046442 XXX-ad_peak_1
#>2 chr1 3119671 XXX-ad_peak_2a
#>3 chr1 3164756 PMN_峰2
#>4 chr1 3167322 Ytb_峰3
#>5 chr1 3210838 PMN_peak_3
#>6 chr1 3212196 XXX-ad_峰6
#>7 chr1 3249068 XXX-ad_peak_8
#>8 chr1 3268246 PMN_峰5
#>9 chr1 3444892 XXX-ad_峰11
#>10 chr1 3451544 XXX-ad_峰12

我想做的是提取

peak\u name

中的子字符串作为 dplyr管道。最终的预期结果是：

pfc_chr pfc_chr st peak_name new_col
1 chr1 3046442 XXX-ad_peak_1 XXX ad
2 chr1 3119671 XXX-ad_peak_2a XXX ad
3 chr1 3164756 PMN\u峰\u 2 PMN
4 chr1 3167322 Ytb_峰_3 Ytb
5 chr1 3210838 PMN\U peak\U 3 PMN
6 chr1 3212196 XXX-ad\U peak\U 6 XXX ad
7 chr1 3249068 XXX-ad_peak_8 XXX ad
8 chr1 3268246 PMN\U peak\U 5 PMN
9 chr1 3444892 XXX-ad_peak_11 XXX ad
10 chr1 3451544 XXX-ad_peak_12 XXX ad

我试过了，但失败了：

>df%>%变异（新列=stringr:：str\u匹配（峰值名称“^（.*？\\\\\\\\\\\\\\\？”）
mutate_impl（.data，dots）中出错：
“new_col”列的长度必须为10（行数）或1，而不是20

正确的方法是什么？

选择第二列

df %>% mutate(new_col = stringr::str_match(peak_name, "^(.*?)\\_peak\\_*?")[, 2])

输出

    pfc_chr pfc_chr_st      peak_name new_col
1    chr1    3046442  XXX-ad_peak_1  XXX-ad
2    chr1    3119671 XXX-ad_peak_2a  XXX-ad
3    chr1    3164756     PMN_peak_2     PMN
4    chr1    3167322     Ytb_peak_3     Ytb
5    chr1    3210838     PMN_peak_3     PMN
6    chr1    3212196  XXX-ad_peak_6  XXX-ad
7    chr1    3249068  XXX-ad_peak_8  XXX-ad
8    chr1    3268246     PMN_peak_5     PMN
9    chr1    3444892 XXX-ad_peak_11  XXX-ad
10    chr1    3451544 XXX-ad_peak_12  XXX-ad

---

我建议

stringr:：str_extract（）

使用前瞻：

df %>%
  mutate(new_col = stringr::str_extract(peak_name, "^.*(?=_peak)"))

结果如下：

> df %>%
+   mutate(new_col = stringr::str_extract(peak_name, "^.*(?=_peak)"))
# A tibble: 10 x 4
   pfc_chr pfc_chr_st      peak_name new_col
     <chr>      <int>          <chr>   <chr>
 1    chr1    3046442  XXX-ad_peak_1  XXX-ad
 2    chr1    3119671 XXX-ad_peak_2a  XXX-ad
 3    chr1    3164756     PMN_peak_2     PMN
 4    chr1    3167322     Ytb_peak_3     Ytb
 5    chr1    3210838     PMN_peak_3     PMN
 6    chr1    3212196  XXX-ad_peak_6  XXX-ad
 7    chr1    3249068  XXX-ad_peak_8  XXX-ad
 8    chr1    3268246     PMN_peak_5     PMN
 9    chr1    3444892 XXX-ad_peak_11  XXX-ad
10    chr1    3451544 XXX-ad_peak_12  XXX-ad

>df%>%
+突变（新的列=stringr:：str提取（峰名“^.*（=\u峰）”）
#一个tibble:10x4
pfc_chr pfc_chr st peak_name new_col
1 chr1 3046442 XXX-ad_peak_1 XXX ad
2 chr1 3119671 XXX-ad_peak_2a XXX ad
3 chr1 3164756 PMN\u峰\u 2 PMN
4 chr1 3167322 Ytb_峰_3 Ytb
5 chr1 3210838 PMN\U peak\U 3 PMN
6 chr1 3212196 XXX-ad\U peak\U 6 XXX ad
7 chr1 3249068 XXX-ad_peak_8 XXX ad
8 chr1 3268246 PMN\U peak\U 5 PMN
9 chr1 3444892 XXX-ad_peak_11 XXX ad
10 chr1 3451544 XXX-ad_peak_12 XXX ad

请注意，诸如“_peak_8”之类的数据将返回一个空字符串；诸如“peak_8”之类的数据返回

NA

尝试

sub（^（.*）peak_.*”，“\\1”，peak_name）

（），而不是

stringr:：str_match（…）

或甚至

sub（“\u peak.*$”，“”，peak_name）