Regex 如何在R中编辑colnames？

我有一个名为name的变量，我想将它设置为矩阵的列名，但在执行此操作之前，我需要编辑名为name的变量内部的名称

>name
[722] "TCGA-OL-A66N-01A-12R-A31S-13.isoform.quantification.txt"
[723] "TCGA-OL-A66O-01A-11R-A31S-13.isoform.quantification.txt"
[724] "TCGA-OL-A66P-01A-11R-A31S-13.isoform.quantification.txt"

我只想把这些字母放在第四个

-

预期产出：

  >name
    [722] "TCGA-OL-A66N-01A"
    [723] "TCGA-OL-A66O-01A"
    [724] "TCGA-OL-A66P-01A"

---

有人能帮我在R中实现这个吗

我想您可能需要

substr

：

names <- substr(names,start=1,stop=16)
colnames(myDF) <- names

---

names如果大小不同/不保证
nchar
您可以使用
str\u split\u fixed（）
from
stringr

stringr
解决方案：
说明：

str\u split\u fixed（名称“-”，5）

根据
-


[，1:4]

为每个
name
元素保留前4个部分（生成矩阵的列）


apply（…，1，paste0，collapse=“-”）

使用
“-”
来恢复名称（按行）将它们粘贴在一起


但是如果我有很多名字呢？
这里，我将我的
stringr
+
apply（）
方法与@bondedust
grep
方法和基本
strsplit
方法进行比较

首先，让我们把它增加到一万个名字：

name <- rep(name,3.334e3)

并获得：

#  Unit: milliseconds
#  expr             min       lq    median        uq       max    neval
# stringr_apply 845.44542 874.5674 899.27849 941.22628 976.88903    25
# grep_ninja     25.51796  25.7066  25.85404  25.95922  27.89165    25
# strsplit      115.10626 123.2645 126.45171 130.10334 147.39517    25

似乎
base
模式匹配/替换可以更好地扩展…在这里大约一秒钟，或者比最慢的方式快30倍。
正则表达式“[”操作符定义一个字符类，在字符类中，第一个位置的“^”操作符进行反运算

?regex
?sub

sub("^([^-]*[-][^-]*[-][^-]*[-][^-]*)([-].*$)", "\\1", name)
[1] "TCGA-OL-A66N-01A" "TCGA-OL-A66O-01A" "TCGA-OL-A66P-01A"

这将比str_split方法更简单（IMO）

 sapply( lapply( strsplit(name, "\\-"), "[", 1:4),   
                # extracted the first 4 elements from each list element returned by strsplit
         paste, collapse="-")  # 'collapse' needed rather than 'sep'

#[1] "TCGA-OL-A66N-01A" "TCGA-OL-A66O-01A" "TCGA-OL-A66P-01A"

另一个带有
stringr
包的选项（尽管仍然比@bondedust的答案慢得多）：

如果所有第五组字母数字都以
R
结尾

> txt <- c("TCGA-OL-A66N-01A-12R-A31S-13.isoform.quantification.txt",
           "TCGA-OL-A66O-01A-11R-A31S-13.isoform.quantification.txt",
           "TCGA-OL-A66P-01A-11R-A31S-13.isoform.quantification.txt")

> gsub("-[0-9]{2}R.*", "", txt)
# [1] "TCGA-OL-A66N-01A" "TCGA-OL-A66O-01A" "TCGA-OL-A66P-01A"

您还可以在
strsplit
中使用正则表达式，这在其他响应中我没有看到太多

> unlist(strsplit(txt, "-[1-9]{2}[A-Z].*"))
# [1] "TCGA-OL-A66N-01A" "TCGA-OL-A66O-01A" "TCGA-OL-A66P-01A"

我在寻找一个好的模式，以避免编写过长、混乱的正则表达式。
什么是myname？您能提供更多的说明吗？看起来非常慢和复杂，需要额外的包。
strsplit
如果您不想使用正则表达式方法，可能更容易说明。@BondedDest见到您后我非常同意r答案（因此向上投票）。我想看看它是否缩放——编辑答案以添加一个小基准。它和怀疑的完全一样。谢谢你的启发。谢谢。
strsplit
方法也比
str_split
方法快了5.Nice。另外，你可以使用
（[^-]*[-]）{3}
表示该子模式的三个重复，如：
sub（^（[^-]*[-]）{3}[^-]*）（[-].$），“\\1”，name）
strsplit
是我的方式。有时速度不如准确性重要，但这两者都有。
 sapply( lapply( strsplit(name, "\\-"), "[", 1:4),   
                # extracted the first 4 elements from each list element returned by strsplit
         paste, collapse="-")  # 'collapse' needed rather than 'sep'

#[1] "TCGA-OL-A66N-01A" "TCGA-OL-A66O-01A" "TCGA-OL-A66P-01A"

library('stringr')
str_match(name, "^([^-]*[-][^-]*[-][^-]*[-][^-]*)")[, 1]

> txt <- c("TCGA-OL-A66N-01A-12R-A31S-13.isoform.quantification.txt",
           "TCGA-OL-A66O-01A-11R-A31S-13.isoform.quantification.txt",
           "TCGA-OL-A66P-01A-11R-A31S-13.isoform.quantification.txt")

> gsub("-[0-9]{2}R.*", "", txt)
# [1] "TCGA-OL-A66N-01A" "TCGA-OL-A66O-01A" "TCGA-OL-A66P-01A"

> gsub("-[1-9]{2}[A-Z]{1}.*", "", txt)

> unlist(strsplit(txt, "-[1-9]{2}[A-Z].*"))
# [1] "TCGA-OL-A66N-01A" "TCGA-OL-A66O-01A" "TCGA-OL-A66P-01A"