从列中仅提取两个变量

Question

我在 R 中有一个数据框，其中一列有多个变量。变量以 ABC、DEF、GHI 开头。这些变量后跟一系列 6 个数字（即 ABC052689、ABC062895、DEF045158）。

对于每一行，我想提取一个 ABC 实例（编号最大的那个）。

如果该行有ABC052689、ABC062895、DEF045158，我希望它拉出ABC062895，因为它大于ABC052689。

然后我想对以 DEF###### 开头的变量执行相同的操作。

我已设法过滤数据，使其具有 ABC 所在的行，而 DEF 或 GHI 所在的行：

library(tidyverse)
data_with_ABC <- test %>% 
  filter(str_detect(car,"ABC"))

data_with_ABC_and_DEF_or_GHI <- data_with_ABC %>% 
  filter(str_detect(car, "DEF") | str_detect(car, "GHI"))

我不知道怎么抽出来，比如说数字最大的 ABC

ABC052689, ABC062895, DEF045158 -> ABC062895

Answer 1

对于基本 R 解决方案，我们可以尝试使用 lapply 和 strsplit 来识别每个 CSV 字符串中每行中最大的 ABC 板。

df <- data.frame(car=c("ABC052689,ABC062895,DEF045158"), id=c(1),
    stringsAsFactors=FALSE)
df$largest <- lapply(df$car, function(x) {
    cars <- strsplit(x, ",", fixed=TRUE)[[1]]
    cars <- cars[substr(cars, 1, 3) == "ABC"]
    max <- cars[which.max(substr(cars, 4, 9))]
    return(max)
})
df

                            car id   largest
1 ABC052689,ABC062895,DEF045158  1 ABC062895

请注意，我们不需要担心转换车牌号的子字符串，因为它是固定宽度的文本。这意味着即使是文本也应该正确排序。

Answer 2

除了蒂姆的回答，如果你想一次做所有的 ABC/DEF，下面的代码可能对library(tidyverse) 有帮助：

> df <- data.frame(car=c("ABC052689", "ABC062895", "DEF045158", "DEF192345"),                  stringsAsFactors=FALSE)
> 
> df2 = df %>% 
+     mutate(state = str_sub(car, 1, 3), plate = str_sub(car, 4, 9))
> 
> df2
        car state  plate
1 ABC052689   ABC 052689
2 ABC062895   ABC 062895
3 DEF045158   DEF 045158
4 DEF192345   DEF 192345
> 
> df2 %>% 
+   group_by(state) %>% 
+   summarise(maxplate = max(plate)) %>% 
+   mutate(full = str_c(state, maxplate))
# A tibble: 2 x 3
  state maxplate full     
  <chr> <chr>    <chr>    
1 ABC   062895   ABC062895
2 DEF   192345   DEF192345