使用R从长字符串中将部分单词提取到字段中

我有一个带3个OB的长字符串变量。我试图创建一个字段prob来从长字符串中提取特定字符串。代码和消息如下

数据aa：“成为承运人的概率为0.0002422359”“BRCA1承运人为0.0001061067” “BRCA2载体0.00013612”

在这里输入代码 aa$prob这是我的，已更新以反映

data.frame

库（dplyr）
aa%
变异（prob=as.numeric（if_else（grepl）（（概率| BRCA[12]载体）”，aa），
gsub（“^.*？\\b（[0-9]+\.？[0-9]*）\\s*$”，“\\1”，aa），不带字符）
#aa问题
# 1                                                 ...           NA
# 2                                                 ...           NA
#3作为承运人的概率为0.0002422359 0.0002422359
#4 BRCA1载波0.0001061067 0.0001061067
#5 BRCA2载体0.00013612 0.0001361200
# 6                                                 ...           NA

正则表达式遍历：

• ^

  和

  $

  分别是字符串的开头和结尾

  \\b

  是单词边界；这些都不会“消耗”任何字符，它们只是标记开头和结尾

• 表示一个字符

• ？

  表示“零或一”，也称为可选<代码>*表示“零或更多”<代码>+表示“一个或多个”；均指上一个字符/类/组

• \\s

  是空白，包括空格和制表符

• [0-9]

  是一个类，表示0到9之间的任何字符；类似地，

  [a-z]

  都是小写字母，

  [a-zA-z]

  都是字母，

  [0-9A-F]

  都是十六进制数字，等等

• （…）

  是已保存的组；在一个群体中使用

  |

  作为“或”并不罕见；此组稍后在

  gsub

  的

  replacement=

  部分中用作编号组，因此

  \\1

  从模式中调用第一组

因此，对其进行分组和总结：

“^.*？\\b（[0-9]+\\.？[0-9]*）\\s*$”
1         ^^^^^^^^^^^^^^^^^^
2      ^^^
3   ^^^
4                           ^^^^

这是“数字”部分，允许一个或多个数字、一个可选的小数点和零个或多个数字。这将保存在组“1”中

单词boundary保证我们包含前导数字（根据一些情况，

“12.345”

可能被解析为

“2.345”

，如果没有它

数字之前的任何内容，如字符串

数字后有空格或没有空格

以有组织的方式逻辑地分组

---

Regex不是R所独有的，它是R（和大多数其他编程语言）以某种方式支持的一种解析语言。

对您的一个问题做了回答（相对相同）不起作用？它完美地从字段中提取数字，您只需将

添加为.numeric

。嗨，r2evans，谢谢您的指导。它起作用。我得到了3个值。但在运行代码后不知道数据集中的字段名：Ssub控制台窗口显示：>bb[1]0.0002422359 0.0001061067 0.0001361200对于give me，我从SAS跳到R一周。我有很多概念问题是bb是数据帧名称还是变量名称？这是一个很大的帮助。我是R的初学者。你能解释一下“^.*？\\b（[0-9]+\.？[0-9]*）\\s*$，“\\1”的意思吗，在gsub部分？谢谢你，因为你对堆叠网站还不熟悉：慢慢来，不要着急，但是当你觉得一个答案可以解决你的问题时，请。这样做不仅可以给回答者提供一些要点，还可以为有类似问题的读者提供一些结尾。虽然你只能接受一个答案，但你有如你认为有助于提高投票效率（你在回答这个问题之前的答案，请考虑回到他们并接受一些）。再次，不要匆忙。谢谢。对不起，我只看到“积极的”，“最老的”和“投票”。答案旁边的按钮可用。我没有看到“接受”按钮。我也检查了链接，但仍然找不到。对此表示抱歉。我真的想接受它。在该按钮的左侧，您应该看到一个向上/向下的投票者，一个数字（当前为0），下面应该有一个灰色复选标记（因为您是原始海报）。点击该箭头应该会接受。就这么做了。它会说：“感谢您的反馈！记录声誉低于15的人所投的票，但不要更改公开显示的帖子分数。”15'后会检查它，谢谢您的帮助！！！