Fatal编程技术网
  • regex/
  • Regex 转换'；1-1-1至1-10-1'；到'的十个值；1-1-1''；1-2-1''；1-10-1'；

Regex 转换'；1-1-1至1-10-1'；到'的十个值；1-1-1''；1-2-1''；1-10-1'；

regex r

Regex 转换'；1-1-1至1-10-1'；到'的十个值；1-1-1''；1-2-1''；1-10-1'；,regex,r,Regex,R,我有一个如下所示的数据帧： ID 1-1-1, 1-2-1 2-1-1 3-1-1 through 3-5-1 我希望将数据帧转换为 ID 1-1-1 1-2-1 2-1-1 3-1-1 3-2-1 3-3-1 3-4-1 3-5-1 对于第一个数据帧中的第一行，我认为melt可以完成这项工作。但对于第三行，我认为应该以某种方式将“through”替换为中间的id。我尝试了一些正则表达式，但没有找到一个好方法 以下问题: 如果有另一列，我想匹配它们呢 NewColumn

我有一个如下所示的数据帧：

ID     
1-1-1, 1-2-1
2-1-1
3-1-1 through 3-5-1
我希望将数据帧转换为

ID    
1-1-1
1-2-1
2-1-1
3-1-1
3-2-1
3-3-1
3-4-1
3-5-1
对于第一个数据帧中的第一行，我认为melt可以完成这项工作。但对于第三行，我认为应该以某种方式将“through”替换为中间的id。我尝试了一些正则表达式，但没有找到一个好方法

以下问题:

如果有另一列，我想匹配它们呢

NewColumn  ID
A          1-1-1, 1-2-1
B          2-1-1
C          3-1-1 through 3-5-1
到

ID中的第一个digid对于多个新列项目可能是相同的。

我们可以使用
cSplit
从
splitstackshape
和
数据来实现这一点。在我们将
通过
替换为
，
使用
sub
后，表
将接近

使用regex
sub
，我们匹配是否有零个或多个空格（
\\s*
），后跟
到
，后跟零个或多个空格（
\\s*
），并将其替换为
，
作为“ID”列


df1$ID <- sub('\\s*through\\s*', ', ', df1$ID)




为了便于理解，可以将代码分成块。我们根据“，”进行拆分，以创建“长”格式


 cLong <- cSplit(df1, 'ID', ', ', 'long')


现在，我们使用
data.table
方法，因为
cSplit
的输出已经是“data.table”


 DT1 <- cLong1[, list(ID_2=if(.N>1) 
                            ID_2[1]:ID_2[2] 
                            else ID_2),
                                 by = .(ID_1, ID_3)]


更新
对于后续问题，我们只需要在
cSplit
步骤中进行更改。我们可以添加'NewColumn'作为分组变量


df1$ID <- sub('\\s*through\\s*', ', ', df1$ID)

cSplit(cSplit(df1, 'ID', ', ', 'long'), 'ID', '-',
    type.convert=TRUE)[,  list(ID_2=if(.N>1) ID_2[1]:ID_2[2] else ID_2),
    by = .(NewColumn, ID_1, ID_3)
    ][,list(ID=paste(ID_1, ID_2, ID_3, sep="-")) ,.(NewColumn)]
#   NewColumn    ID
#1:         A 1-1-1
#2:         A 1-2-1
#3:         B 2-1-1
#4:         C 3-1-1
#5:         C 3-2-1
#6:         C 3-3-1
#7:         C 3-4-1
#8:         C 3-5-1



df1$ID 1）ID_2[1]：ID_2[2]else ID_2），
by=（NewColumn，ID_1，ID_3）
][，list（ID=paste（ID_1，ID_2，ID_3，sep=“-”），（NewColumn）]
#新列ID
#1:A 1-1-1
#2:A 1-2-1
#3:B2-1-1
#4:c3-1-1
#5:c3-2-1
#6:c3-3-1
#7:c3-4-1
#8:c3-5-1


数据

df1感谢您的支持！那很快，很漂亮。我如何将“3-1-1到3-5-1”中的“通过”分到中间的ID？首先我认为这是一个重复。但是，后来我意识到你的问题很好。@akrun这不是另一个
cSplit
dupe吗？不，我早些时候关闭了它，但似乎更有效。hi akrun，谢谢你的快速回复！将每个ID拆分为ID2和ID3是一种很好的方法，这在R脚本编写和实际ID命名方面都很有意义。但是，当我尝试您的单行代码时，as.data.table.matrix（X[[X]]）中会出现一个错误as
error：4个参数传递给.Internal（nchar），这需要3个
@Hanfu您可以尝试逐步代码以了解错误发生的位置吗。我使用的是data.table的开发版本，即v1.9.5我使用data.table 1.9.4。我正在使用的
splitstackshape_1.4.2
和
数据在
R>cLong1@Hanfu失败。表1.9.5
。您是否使用相同的示例来获得此错误？我确实使用了我在问题中所述的确切示例。我使用splitstackshape_1.4.2和数据。表_1.9.4。使用数据时，错误依然存在。表1.9.5

 cLong1 <- cSplit(cLong, 'ID', '-', type.convert=TRUE)



 DT1 <- cLong1[, list(ID_2=if(.N>1) 
                            ID_2[1]:ID_2[2] 
                            else ID_2),
                                 by = .(ID_1, ID_3)]



 ID <- do.call(paste, c(DT1[,c(1,3,2), with=FALSE], sep='-'))



 data.frame(ID)



df1$ID <- sub('\\s*through\\s*', ', ', df1$ID)

cSplit(cSplit(df1, 'ID', ', ', 'long'), 'ID', '-',
    type.convert=TRUE)[,  list(ID_2=if(.N>1) ID_2[1]:ID_2[2] else ID_2),
    by = .(NewColumn, ID_1, ID_3)
    ][,list(ID=paste(ID_1, ID_2, ID_3, sep="-")) ,.(NewColumn)]
#   NewColumn    ID
#1:         A 1-1-1
#2:         A 1-2-1
#3:         B 2-1-1
#4:         C 3-1-1
#5:         C 3-2-1
#6:         C 3-3-1
#7:         C 3-4-1
#8:         C 3-5-1



df1 <- structure(list(ID = c("1-1-1, 1-2-1", "2-1-1",
"3-1-1 through 3-5-1")), .Names = "ID", class = "data.frame",
 row.names = c(NA, -3L))
#newdata
df1 <- structure(list(NewColumn = c("A", "B", "C"),
ID = c("1-1-1, 1-2-1", 
"2-1-1", "3-1-1 through 3-5-1")), .Names = c("NewColumn", "ID"
), class = "data.frame", row.names = c(NA, -3L))