用这些名称的子字符串替换R中的所有行名称

例如，我有：AO-A12D.01TCGA 我希望行名称仅由12D组成

我还有另一种行名称，但这次的顺序不同： TCGA-A2-A0T2 我希望它被A0T2取代。这里，4个字符在结尾，而在第一种情况下，它们在中间。

我怎么做

编辑：在第一种情况下，分隔符基于。和-因为4个字符总是在它们之间

---

在第二种情况下，4个字符只是最后4个字符，没有分隔符需要可复制的示例

可能您正在寻找以下内容：

#string AO-A12D.01TCGA --> A12D
row.names(x)<-gsub(".*-(.*)[.].*", "\\1", row.names(x)) #where x has values     like "AO-A12D.01TCGA"

#string TCGA-A2-A0T2 --> TCGA-A2-A0T2
row.names(x)<-gsub(".*-.*-(.*)", "\\1", row.names(x)) #where x has values like "TCGA-A2-A0T2"

#row.names gets row names of data frame
#gsub defines a regular expression/pattern, where:
#gsub("pattern", "stuff to replace pattern with", data)
#in regular expression language:  
#.* = anything
#[.] = a literal "dot" 
#(string) = part of pattern you want to keep
#\\1 means keep only the stuff in parentheses

---

顺便说一句，根据我的测试，如果在同一个数据集上调用这些正则表达式，它们都不会通过对错误的字符串类型进行子集设置而产生错误。

下面是我如何解决的，但在给出可复制的样本之前，我们只能猜测：

按原样获取行名，按字符-和分割，然后删除第一个子字符串，因为您永远不需要字符串的第一部分，然后仅获取剩余的字符长度为4的字符串：

library( magrittr )
new.rownames <- rownames( x ) %>%
  strsplit( "-|[.]" ) %>%
  lapply( function(x) x[ -1 ] ) %>%
  sapply( function(x) x[ nchar( x ) == 4 ] )

然后将这些新名称应用于原始数据

rownames(x) <- new.rownames

如果只有这两种格式，则可以使用正向查找和正则匹配来获取所需的内容：

rownames = c("AO-A12D.01TCGA", "TCGA-A2-A0T2")
unlist(regmatches(rownames, gregexpr("(?<=-)[[:alnum:]]{4}", rownames, perl = TRUE)))

[1] "A12D" "A0T2"

---

在这里，4个字符的代码后面可以跟-或。。所以，只需在“查找”中添加点即可。请输入您的示例数据。还请解释示例背后的逻辑。它仅仅是基于-和的位置吗？是什么定义了您想要的字符串与行名的其余部分不同？它总是4个字符长吗？在给定的行名中可能还有其他4个字符长的子字符串吗？是和。唯一的分隔符？在第一种情况下，它基于-和。在第二种情况下，我只需要最后4个字符在第二种情况下，有2个字符串，4个字符长，那么我们应该如何决定使用A0T2而不是TCGA？我在问题中说，在第二种情况下，我们只需要最后4个字符，但我也有一个与AO.A12D.01TCGA相同的模式，我还想提取A12D，我应该换什么？它由两个分隔。我真的不擅长正则表达式。。。您的代码在我在问题中提到的情况下非常有效！

rownames = c("AO-A12D.01TCGA", "TCGA-A2-A0T2")
unlist(regmatches(rownames, gregexpr("(?<=-)[[:alnum:]]{4}", rownames, perl = TRUE)))

[1] "A12D" "A0T2"

rownames = c("AO-A12D.01TCGA", "TCGA-A2-A0T2", "AO.A12D.01TCGA")
unlist(regmatches(rownames, gregexpr("(?<=[-.])[[:alnum:]]{4}\\b", rownames, perl = TRUE)))

[1] "A12D" "A0T2" "A12D"