提取 | 之间的最后一个单词|答案

【问题标题】：Extract the last word between | |提取 | 之间的最后一个单词|
【发布时间】：2021-07-10 12:23:23
【问题描述】：

我有以下数据集

> head(names$SAMPLE_ID)
[1] "Bacteria|Proteobacteria|Gammaproteobacteria|Pseudomonadales|Moraxellaceae|Acinetobacter|"
[2] "Bacteria|Firmicutes|Bacilli|Bacillales|Bacillaceae|Bacillus|"                            
[3] "Bacteria|Proteobacteria|Gammaproteobacteria|Pasteurellales|Pasteurellaceae|Haemophilus|" 
[4] "Bacteria|Firmicutes|Bacilli|Lactobacillales|Streptococcaceae|Streptococcus|"             
[5] "Bacteria|Firmicutes|Bacilli|Lactobacillales|Streptococcaceae|Streptococcus|"             
[6] "Bacteria|Firmicutes|Bacilli|Lactobacillales|Streptococcaceae|Streptococcus|"

我想将|| 之间的最后一个单词提取为一个新变量，即

Acinetobacter
Bacillus
Haemophilus

我尝试过使用

library(stringr)
names$sample2 <-   str_match(names$SAMPLE_ID, "|.*?|")

【问题讨论】：

简单路线：vapply(strsplit(names$SAMPLE_ID, "|", fixed = TRUE), tail, "", 1)
或者你们中的一些人不喜欢打字（或效率）然后sapply(strsplit(x, "\\|"), tail, 1)

标签： regex r stringr

【解决方案1】：

我们可以使用

library(stringi)
stri_extract_last_regex(v1, '\\w+')
#[1] "Acinetobacter"

数据

v1 <- "Bacteria|Proteobacteria|Gammaproteobacteria|Pseudomonadales|Moraxellaceae|Acinetobacter|"

【讨论】：

似乎stringi包在某些方面优于stringr。

【解决方案2】：

仅使用基础 R：

myvar <- gsub("^..*\\|(\\w+)\\|$", "\\1", names$SAMPLE_ID)

【讨论】：

【解决方案3】：

^.*\\|\\K.*?(?=\\|)

使用\K从最后一场比赛中删除其余部分。参见演示。也使用perl=T

https://regex101.com/r/fM9lY3/45

x <- c("Bacteria|Firmicutes|Bacilli|Lactobacillales|Streptococcaceae|Streptococcus|",
       "Bacteria|Firmicutes|Bacilli|Lactobacillales|Streptococcaceae|Streptococcus|" )

unlist(regmatches(x, gregexpr('^.*\\|\\K.*?(?=\\|)', x, perl = TRUE)))
# [1] "Streptococcus" "Streptococcus"

【讨论】：

【解决方案4】：

结局就是你想要的[^|]+(?=\|$)

根据@RichardScriven：

Which in R would be regmatches(x, regexpr("[^|]+(?=\\|$)", x, perl = TRUE)

【讨论】：

【解决方案5】：

在这种情况下，您也可以使用包“stringr”。代码如下：

v1<- str_replace_all(v, "\\|", " ")

word(v1,-2)

这里我使用 v 作为字符串。基本原理是将|全部替换为空格，然后通过函数word()得到字符串中的最后一个单词。

【讨论】：