使用 gsub 函数答案

【问题标题】：Using gsub function使用 gsub 函数
【发布时间】：2021-10-05 17:46:52
【问题描述】：

我有一个具有多个级别的因子，我想在所有数据的数字之间插入一个冒号，但我不知道如何为此使用 gsub 函数。示例我的数据如下所示：

ABCD*0801
ABCD*0701
ABCD*0902
ABCD*0311
ABCD*2001

我想要的是这个：

ABCD*08:01
ABCD*07:01
ABCD*09:02
ABCD*03:11
ABCD*20:01

我在下面使用了这段代码，但我不明白

gsub("(.{4})(.*)$", "\\1:\\2",hladata$DRB1_1)

你能帮帮我吗？

【问题讨论】：

标签： r regex

【解决方案1】：

sub 有两个选项（因为每个字符串只有一个匹配项，gsub，每个字符串有多个匹配项，所以没有必要）：

sub("\\d{2}", "\\1:", x)

这通过反向引用起作用：在第一个参数中匹配的模式（两个digits 的出现）被记住并在替换参数中重复，并添加一个:。

sub("(?<=\\d{2})(?=\\d{2})", ":", x, perl = TRUE)

这个更复杂的解决方案适用于lookaround：lookbehind (?<=\\d{2}) 在匹配的左侧查找两位数，而(?=\\d{2}) 在右侧查找两位数。在两个环视匹配的地方，插入了 :。

由于量化表达式，您使用的代码不起作用；您需要将其更改为{7}，因为在您要插入: 的位置之前有七个字符。它的工作方式类似于上面的第二个选项，即通过反向引用：\\1 记住并重复在第一个捕获组(...) 中捕获的前七个字符，而第二个反向引用\\2 记住并重复第二个捕获组；在它们之间添加了:。

gsub("(.{7})(.*)$", "\\1:\\2", x)

数据：

x <- as.factor(c("ABCD*0801",
                 "ABCD*0701",
                 "ABCD*0902",
                 "ABCD*0311",
                 "ABCD*2001"))

【讨论】：

【解决方案2】：

这应该可行：

x <- as.factor(c("ABCD*0801",
                 "ABCD*0701",
                 "ABCD*0902",
                 "ABCD*0311",
                 "ABCD*2001"))

as.factor(gsub("(\\d{2}$)",":\\1", x))
#> [1] ABCD*08:01 ABCD*07:01 ABCD*09:02 ABCD*03:11 ABCD*20:01
#> Levels: ABCD*03:11 ABCD*07:01 ABCD*08:01 ABCD*09:02 ABCD*20:01

^{由reprex package (v0.3.0) 于 2021-07-30 创建}

正如@Roland 在 cmets 中指出的那样，在因子 levels() 上使用 sub 效率更高。

x <- as.factor(c("ABCD*0801",
                 "ABCD*0701",
                 "ABCD*0902",
                 "ABCD*0311",
                 "ABCD*2001"))
 
levels(x) <- sub("(\\d{2}$)",":\\1", levels(x))
             
x
#> [1] ABCD*08:01 ABCD*07:01 ABCD*09:02 ABCD*03:11 ABCD*20:01
#> Levels: ABCD*03:11 ABCD*07:01 ABCD*08:01 ABCD*09:02 ABCD*20:01

【讨论】：

在levels(x) 上使用gsub 而不是x。这样更有效率。