Regex 查找以某个字母开头的所有单词

我对R和正则表达式都非常生疏。我试着阅读R的正则表达式帮助文件，但没有任何帮助

我有一个包含3列的数据框：

词汇表，即语料库中500个最常见单词的列表

计数，单词出现的时间，以及

概率，计数除以所有单词计数的总和

这个列表是从最常见到最不常见的，所以不是按字母顺序排列的

我需要把以同一个字母开头的所有单词的整行都拉出来。（我不需要遍历所有字母表，我只需要一个字母的结果。）

---

我不仅仅是问regex，而是问如何用R编写它，以便在新的数据帧中得到结果。

您可以使用

grep

：

df <- data.frame(words=c("apple","orange","coconut","apricot"),var=1:4)
df[grep("^a", df$words),]

---

也许这对你有用

# Creating some data
 set.seed(001)
    count <- sample(1:100, 6, TRUE)
    DF <- data.frame(vocabulary=c('action', 'can', 'book', 'candy', 'any','bar'),
                     count=count,
                     probability=count/sum(count)
                     )

# Spliting by the first letter
Split <- lapply(1:3, function(DF, i){
  DF[grep(paste0('^', letters[i]), DF$vocabulary),]
}, DF=DF)

Split
[[1]]
      vocabulary count probability
1     action    27  0.08307692
5        any    21  0.06461538

[[2]]
  vocabulary count probability
3       book    58   0.1784615
6        bar    90   0.2769231

[[3]]
  vocabulary count probability
2        can    38   0.1169231
4      candy    91   0.2800000

---

为什么不使用

split（DF，substr（DF$词汇表，1,1））

？假设苹果、橘子、椰子和杏子都是存储在我的环境中的数据帧的名称。有没有一种聪明的方法可以像上面那样使用grep函数来删除名称以“a”开头的数据帧，例如rm（grep代码）？

# Creating some data
 set.seed(001)
    count <- sample(1:100, 6, TRUE)
    DF <- data.frame(vocabulary=c('action', 'can', 'book', 'candy', 'any','bar'),
                     count=count,
                     probability=count/sum(count)
                     )

# Spliting by the first letter
Split <- lapply(1:3, function(DF, i){
  DF[grep(paste0('^', letters[i]), DF$vocabulary),]
}, DF=DF)

Split
[[1]]
      vocabulary count probability
1     action    27  0.08307692
5        any    21  0.06461538

[[2]]
  vocabulary count probability
3       book    58   0.1784615
6        bar    90   0.2769231

[[3]]
  vocabulary count probability
2        can    38   0.1169231
4      candy    91   0.2800000

 lapply(Split, function(x) orderBy(~vocabulary, data=x ))
[[1]]
  vocabulary count probability
1     action    27  0.08307692
5        any    21  0.06461538

[[2]]
  vocabulary count probability
6        bar    90   0.2769231
3       book    58   0.1784615

[[3]]
  vocabulary count probability
2        can    38   0.1169231
4      candy    91   0.2800000