如果字符串列中存在 $ 符号，则子集数据框答案

【问题标题】：Subset dataframe if a $ symbol exists in a string column如果字符串列中存在 $ 符号，则子集数据框
【发布时间】：2017-08-18 17:48:30
【问题描述】：

我有一个 dataframe 与一个 time 列和一个 string 列。我想subset 这个dataframe - 我只保留string 列在其中某处包含$ 符号的行。

子集后，我想清理string 列，使其仅在$ 符号之后包含characters，直到出现space 或symbol

df <- data.frame("time"=c(1:10),
"string"=c("$ABCD test","test","test $EFG test",
"$500 test","$HI/ hello","test $JK/",
"testing/123","$MOO","$abc","123"))

我希望最终输出是：

Time  string  
1     ABCD
3     EFG
4     500
5     HI
6     JK
8     MOO
9     abc

它只保留字符串列中具有$ 的行，然后只保留$ 符号之后的字符，直到space 或symbol

我在sub 上取得了一些成功，只是为了提取string，但无法将其应用于df 并将其子集化。感谢您的帮助。

【问题讨论】：

标签： r regex dataframe subset

【解决方案1】：

在有人提出漂亮的regex 解决方案之前，这是我的看法：

# subset for $ signs and convert to character class
res <- df[ grepl("$", df$string, fixed = TRUE),]
res$string <- as.character(res$string)

# split on non alpha and non $, and grab the one with $, then remove $
res$clean <- sapply(strsplit(res$string, split = "[^a-zA-Z0-9$']", perl = TRUE),
                    function(i){
                      x <- i[grepl("$", i, fixed = TRUE)]
                      # in case when there is more than one $
                      # x <- i[grepl("$", i, fixed = TRUE)][1]
                      gsub("$", "", x, fixed = TRUE)
                    })
res
#   time         string clean
# 1    1     $ABCD test  ABCD
# 3    3 test $EFG test   EFG
# 4    4      $500 test   500
# 5    5     $HI/ hello    HI
# 6    6      test $JK/    JK
# 8    8           $MOO   MOO
# 9    9           $abc   abc

【讨论】：

非常感谢。当我在我的数据集上运行它时遇到了一件我没有预见到的事情 - 一些字符串实际上多次出现 $string - 例如，一个值可能是 $ABCD test $EBC and $FB - 这导致值 @ 987654325@。是否可以只存储第一次出现？谢谢！
@newtoR 使用此行仅获取第一次出现的x <- i[grepl("$", i, fixed = TRUE)][1]，作为评论添加到帖子中

【解决方案2】：

我们可以通过提取regexpr/regmatches 的子字符串来仅提取$ 之后的子字符串

i1 <- grep("$", df$string, fixed = TRUE)
transform(df[i1,], string = regmatches(string, regexpr("(?<=[$])\\w+", string, perl = TRUE)))
#    time string
#1    1   ABCD
#3    3    EFG
#4    4    500
#5    5     HI
#6    6     JK
#8    8    MOO
#9    9    abc

或者使用tidyverse 语法

library(tidyverse)
df %>% 
   filter(str_detect(string, fixed("$")))  %>%
   mutate(string = str_extract(string, "(?<=[$])\\w+"))

【讨论】：