使用 grepl 在 R 中进行模式匹配答案

【问题标题】：pattern matching in R using grepl使用 grepl 在 R 中进行模式匹配
【发布时间】：2015-05-21 17:56:35
【问题描述】：

我有一个这样的数据框dat

P pedigree cas 1 M rs2745406 T 2 M rs6939431 A 3 M SNP_DPB1_33156641 G 4 M SNP_DPB1_33156664_G P 5 M SNP_DPB1_33156664_A A 6 M SNP_DPB1_33156664_T A

我想排除 pedigree 列以 SNP_ 开头并以 G、C、T 或 A (_[GCTA]) 结尾的所有行。在这种情况下，这将是第 4、5、6 行。

如何在 R 中实现这一点？我试过了

multisnp <- which(grepl("^SNP_*_[GCTA]$", dat$pedigree)=="TRUE")

new_dat <- dat[-multisnp,]

我的multisnp 向量是空的，但我不知道如何修复它以匹配我想要的模式。我认为这是我的通配符 * 用法错误。

【问题讨论】：

这应该可以完成工作：dat2 <- dat[!grepl("^SNP_\\.*_[GCAT]$", dat$pedigree), perl = T]。

标签： regex r grepl

【解决方案1】：

您可以将以下内容与.*? 一起使用（以非贪婪方式匹配所有内容）：

multisnp <- which(grepl("^SNP_.*?_[GCTA]$", dat$pedigree))
                              ^^^

【讨论】：

这行得通！你能解释一下.*? 是什么意思吗？我知道* 意味着匹配前面的东西零次或多次，但我不确定这个组合意味着什么。
. 表示任何字符.. * 表示如您所知.. 匹配 0 次或多次.. 和 *? 表示以非贪婪方式匹配 0 次或多次.. @987654329 @ 默认情况下是贪婪的，它会匹配之后的所有内容，有时会忽略匹配.* 之后的模式。希望这会有所帮助.. :)
我觉得这里涉及到一个额外的密切括号，它也存在于 OP 的代码中。
我认为这是正则表达式之后的紧接括号。
它不是固定的。 edit 你去。尽管将which 与== TRUE 一起使用没有用。

【解决方案2】：

你可以像这样子集dat

new_dat <- dat[!grepl("^SNP_.*_[GCTA]$", dat$pedigree), ]

关于您尝试过的代码，我不确定grepl("^SNP_*_[GCTA]$") 是否会在没有错误的情况下完成，因为您没有将x 向量传递给grepl。请参阅?grepl 了解更多信息。

【讨论】：