r - 根据R中字符串中不同位置的不同条件进行过滤

Question

字符串的中间部分是 ID，我希望每个 ID 只出现一次。如果有多个观察值具有相同的六个中间字母，我需要保留一个写着“07”而不是“08”或“A”而不是“B”的观察结果。如果数字是“02”，我想完全排除。除此之外，如果只出现一次 ID，我想保留它。所以如果我有:

col1                       
ID-1-AMBCFG-07A-01
ID-1-CGUMBD-08A-01
ID-1-XDUMNG-07B-01
ID-1-XDUMNG-08B-01
ID-1-LOFBUM-02A-01
ID-1-ABYEMJ-08A-01  
ID-1-ABYEMJ-08B-01    

那我想要:

col1
ID-1-AMBCFG-07A-01
ID-1-CGUMBD-08A-01
ID-1-XDUMNG-07B-01
ID-1-ABYEMJ-08A-01  

我在想也许我可以使用 group_by 来指定 6 个字母的 ID，然后使用某种 if_else 语句？但我不知道如何指定字符串中字符的位置。非常感谢任何帮助!

Answer 1

使用 extract 和一些 dplyr 争吵:

library(tidyr)
library(dplyr)
df %>% 
  extract(col1, "ID-\\d-(.*)-(\\d*)(A|B)-01",
          into = c("ID", "number", "letter"),
          remove = FALSE, convert = TRUE) %>% 
  group_by(ID) %>% 
  filter(number != 2) %>% 
  slice_min(n = 1, order(number, letter)) %>%
  ungroup() %>% 
  select(col1)

#                col1                        
#1 ID-1-ABYEMJ-08A-01
#2 ID-1-AMBCFG-07A-01
#3 ID-1-CGUMBD-08A-01
#4 ID-1-XDUMNG-07B-01