R 模式匹配与正则表达式的子集 data.table

Posted 2023-02-14

【中文标题】R 模式匹配与正则表达式的子集 data.table

【英文标题】：R pattern matching with regex for subsetting data.table

【发布时间】：2022-01-05 16:49:48

【问题描述】：

我需要进行模式匹配以用于对 data.table 进行子集化。我不确定如何使用转义或任何带有通配符的正确语法。 MWE在这里：

library(data.table)
code_id <- data.table (c("pat11",
                         "pat11",
                         "pat21",
                         "pat22",
                         "x05ZX",
                         "x05q2",
                         "x05qb",
                         "x05td",
                         "x05xd",
                         "x05qb"))

codes <- c("pat2.", "x05td", "x05q.")

unique (code_id[code_id %in% codes])

这将返回一个空向量。我想对 code_id 进行子集化并只保留代码“pat21”、“pat22”、“x05td”、“x05q2”和“x05qb”？我猜问题是试图在值列表的中间进行正则表达式匹配 我如何需要“转义”或格式化“。”所以它被视为通配符？谢谢。 J

【参考方案1】：

两种可能的解决方案： 两者共同的想法是将codes 转换为交替模式，其中单独的元素由| 连接（注意：我已经删除了codes 中的.，因为这是一个正则表达式元字符）

使用dplyr：

library(dplyr)
library(stringr)
code_id %>% filter(str_detect(V1, paste0(codes, collapse = "|")))
      V1
1: pat21
2: pat22
3: x05q2
4: x05qb
5: x05td
6: x05qb

使用base R：

code_id[grepl(paste0(codes, collapse = "|"), V1)]
      V1
1: pat21
2: pat22
3: x05q2
4: x05qb
5: x05td
6: x05qb

数据：

codes <- c("pat2", "x05td", "x05q")

code_id <- data.table (c("pat11",
                         "pat11",
                         "pat21",
                         "pat22",
                         "x05ZX",
                         "x05q2",
                         "x05qb",
                         "x05td",
                         "x05xd",
                         "x05qb"))

【讨论】：

谢谢克里斯，这些肯定会奏效。我仍然有一个问题，因为在实际的真实示例中，我必须匹配多个代码，所以我正在寻找类似于 "codes

没有完全的意义。请用更现实的例子更新您的问题，但组合多种模式根本不是问题

已编辑解决方案以适应多种模式

通过包含^ 和$，这可能会更严格一些（如果需要/需要），例如paste0("^", paste(codes, collapse="|"), "$")；这样，不太可能匹配太多。