使用 data.table 删除字符串的一部分

Question

我有一个包含一些字符串的数据表，我在其中找到重复的内容，我只需要识别某些行。我首先想用它来识别某些行(并基于它创建一个新变量。比我想在我的例子中去掉那部分(x))。

我知道有不使用 data.table 的解决方案。然而，问题是我要更好地学习 data.table，我需要 %chin% 的增强时间性能，这就是为什么我喜欢学习以 data.table 方式设置它。

c <- c("a", "b (x)", "c", "d (x)")
d <- c(1, 2, 3, 4)

c_name <- "string"
d_name <- "numeric"

df <- data.frame(c,d)
names(df) <- c(c_name,d_name)
setDT(df)

#Now comes the part where I want to create a new variable "Newvar" that only has text, if no "(x)" is in (%chin%) the string variable c:
df[ !( c %chin% c("(x)")) , Newvar:="had (x)"]
#My code does not work. It just takes All Rows. 

#Next I want to remove all parts with (x) in string var c:
df[ ( c %chin% c("(x)")) , c ]
#this does not work like this. 

我没有收到任何错误消息，但我的最终数据集应该如下所示:

#Final data set generation:

# 1) manually searching for (x)
Newvar <- c("", "had (x)","", "had (x)" )
# 2) "renaming" the string variable c
df$string <- gsub("\\(x\\)*", "", df$string)

#so actually the solution should be:
  df$string <- c("a", "b", "c", "d") 

但是在我的实际问题中，我这辈子都无法手动编写任何代码:D

Answer 1

%chin% 执行完整字符串的精确匹配，就像 %in% 一样，但速度更快。您正在尝试将其用于字符串内的部分匹配。要在 字符串中匹配模式，请使用 grep(或 grepl，它返回一个 logical，这对这种情况)。

c
# [1] "a"     "b (x)" "c"     "d (x)"
c %chin% "(x)"
# [1] FALSE FALSE FALSE FALSE
grepl("(x)", c, fixed = TRUE)
# [1] FALSE  TRUE FALSE  TRUE

如果您改用 grepl，我认为您的代码会按预期工作。我使用 fixed = TRUE 因为我们匹配的是一个精确的模式，而不是一个正则表达式。

我也觉得很奇怪，你特意将 c 列命名为 “string”，但你总是使用 c ，向量，而不是 df$string，data.table 中的列。我建议修改为

# old
df[ !( c %chin% c("(x)")) , Newvar:="had (x)"]
# new: use `grepl` instead of `%chin%`, and `string` instead of `c`
df[ !grepl("(x)", string, fixed = TRUE) , Newvar:="had (x)"]