R 删除带有条件的某些行

下面是我工作的数据示例，它由两列V1和V2组成

         V1        V2
1   A415Z A415Z   1.010
2   A415J A415Z   0.960
3   B416X A415Z   0.980
4   B416Z A415Z   0.990
5   B416J A415Z   1.020
6   B416M A415Z   1.085
7   B416P A415Z   6.380
8   B416W A415Z   0.995
9   D420R A415Z   0.995
10  D420H A415Z   0.975
11  B416X B416X   0.950
12  B416Z B416X   0.960
13  B416J B416X   0.990
14  B416M B416X   1.055

在第一列“V1”中，我想删除两个单词以相同字符开头的行。 例如：在第一、第二和最后四行中，元素为：A415Z A415Z、A415J A415Z、B416X B416X， B416Z B416X、B416J B416X、B416M B416X。因此，输出应该与下面给出的一样

         V1         V2
1   B416X A415Z   0.980
2   B416Z A415Z   0.990
3   B416J A415Z   1.020
4   B416M A415Z   1.085
5   B416P A415Z   6.380
6   B416W A415Z   0.995
7   D420R A415Z   0.995
8   D420H A415Z   0.975

我如何在这里使用正则表达式？（或）如果有更好的方法，建议会有所帮助

使用tidyr：

library(dplyr)
library(tidyr)

df1 %>%
  separate(V1, c("V1_1", "V1_2"), remove = FALSE) %>% 
  mutate(V1_1 = substr(V1_1, 1, 1),
         V1_2 = substr(V1_2, 1, 1)) %>% 
  filter(V1_1 != V1_2) %>% 
  select(V1, V2)

---

将第一列分隔为2，然后使用子字符串进行比较，以获取第一个字符，并比较它们是否与筛选器相同。

另一种可能性是，使用

stringr

包提取并比较第一个字母

library(stringr)

df[unlist(lapply(str_extract_all(df$V1, '(?<=\\b)([A-z])'), function(i)
                                                             length(unique(i)) != 1)),]

#            V1    V2
#3  B416X A415Z 0.980
#4  B416Z A415Z 0.990
#5  B416J A415Z 1.020
#6  B416M A415Z 1.085
#7  B416P A415Z 6.380
#8  B416W A415Z 0.995
#9  D420R A415Z 0.995
#10 D420H A415Z 0.975

---

或者一个

基本R

选项是匹配一个或多个数字（

\\d+

），后跟一个或多个非空格（

\\s+

），后跟零个或多个空格（

\\s*

），将其替换为空格（

”

），然后匹配重复字符（

（）\\1+

），在第二个

gsub

中用空格替换它，获取字符数（

nchar

），检查它是否不等于0，即如果有像“AA”这样的元素，它将被删除，而带有

BA

或

DA

的元素将被保留）以对行进行子集划分

df1[nchar(gsub("(.)\\1+", "", gsub("\\d+\\S+\\s*", "", df1$V1)))!=0,]
#          V1    V2
#3  B416X A415Z 0.980
#4  B416Z A415Z 0.990
#5  B416J A415Z 1.020
#6  B416M A415Z 1.085
#7  B416P A415Z 6.380
#8  B416W A415Z 0.995
#9  D420R A415Z 0.995
#10 D420H A415Z 0.975

还是为了安全

df1[nchar(gsub("(.)\\1+", "", gsub("\\b(\\S)\\S+\\s*", "\\1", df1$V1))) !=0,]

---

该方法工作正常，但会产生警告。警告消息：289个位置的值太多：1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、@AmrithaAmarnath使用示例数据，此解决方案有效，请更新输入数据以重现“警告”。您应该将问题分成两部分：1。如何检测两个单词是否以相同字符开头。2.我怎样才能只保留那些与某个谓词匹配的行。@Sotos:regex可以“简化”为

\\b[a-Za-z]

（甚至

\\b\\p{L}

），因为单词边界本身就是一个零宽度断言，

[a-z]

@WiktorStribiżew感谢您的链接和建议。非常有用。

df1[nchar(gsub("(.)\\1+", "", gsub("\\b(\\S)\\S+\\s*", "\\1", df1$V1))) !=0,]