r - 在 R 中，按特定字符分割字符向量；将第三 block 保存在新向量中

Question

我有一个‘aaa_9999_1’形式的数据向量，其中第一部分是一个字母位置代码，第二部分是四位数的年份，最后是一个唯一的点标识符。例如，有多个 sil_2007_X 点，每个点都有不同的最后一位。我需要使用“_”字符拆分此字段，并仅将唯一 ID 号保存到新向量中。我试过:

oss$point <- unlist(strsplit(oss$id, split='_', fixed=TRUE))[3]

基于此处的回复: R remove part of string .
我得到一个单一的“1”响应。如果我只是跑

strsplit(oss$id, split= ‘_’, fixed=TRUE)

我可以生成拆分列表:

> head(oss$point)
[[1]]
[1] "sil"  "2007" "1"   

[[2]]
[1] "sil"  "2007" "2"   

[[3]]
[1] "sil"  "2007" "3"   

[[4]]
[1] "sil"  "2007" "4"   

[[5]]
[1] "sil"  "2007" "5"   

[[6]]
[1] "sil"  "2007" "6"  

在最后添加 [3] 只会给我 [[3]] 结果:“sil”“2007”“3”。我想要的是所有记录的第三部分(唯一编号)的向量。我觉得我已经接近理解这一点了，但是在截止日期的项目上花费了太多时间(就像一天中的大部分时间)。感谢您的任何反馈。

Answer 1

strsplit创建一个列表，所以我会尝试以下操作:

lapply(strsplit(oss$id, split='_', fixed=TRUE), `[`, 3) ## Output a list
sapply(strsplit(oss$id, split='_', fixed=TRUE), `[`, 3) ## Output a vector (even though a list is also a vector)

[表示提取第三个元素。如果您更喜欢矢量，请替换 lapply与 sapply .

下面是一个例子:

mystring <- c("A_B_C", "D_E_F")

lapply(strsplit(mystring, "_"), `[`, 3)
# [[1]]
# [1] "C"
# 
# [[2]]
# [1] "F"
sapply(strsplit(mystring, "_"), `[`, 3)
# [1] "C" "F"

如果有一个容易定义的模式， gsub也可能是一个不错的选择，并避免 split 。请参阅来自 DWin 和 Josh O'Brien 的改进(更健壮)版本的评论。

gsub(".*_.*_(.*)", "\\1", mystring)
# [1] "C" "F"

最后，为了好玩，您可以扩展 unlist通过回收 TRUE 的向量使其工作的方法s 和 FALSE s 提取每三个项目(因为我们事先知道所有拆分将导致相同的结构)。

unlist(strsplit(mystring, "_"), use.names = FALSE)[c(FALSE, FALSE, TRUE)]
# [1] "C" "F"

如果您不是按数字位置提取，而只是想提取分隔符后的最后一个值，那么您有几种不同的选择。

使用贪婪的正则表达式:

gsub(".*_(.*)", "\\1", mystring)
# [1] "C" "F"

使用像 stri_extract* 这样的便利功能来自“stringi”包:

library(stringi)
stri_extract_last_regex(mystring, "[A-Z]+")
# [1] "C" "F"