如何根据名称对列表中的文件进行分组？答案

【问题标题】：How to group files in a list based on name?如何根据名称对列表中的文件进行分组？
【发布时间】：2021-07-21 11:37:06
【问题描述】：

我有 4 个文件：

MCD18A1.A2001001.h15v05.061.2020097222704.hdf

MCD18A1.A2001001.h16v05.061.2020097221515.hdf

MCD18A1.A2001002.h15v05.061.2020079205554.hdf

MCD18A1.A2001002.h16v05.061.2020079205717.hdf

我想在一个列表中按名称（日期：A2001001 和 A2001002）对它们进行分组，如下所示：

[[MCD18A1.A2001001.h15v05.061.2020097222704.hdf, MCD18A1.A2001001.h16v05.061.2020097221515.hdf], [MCD18A1.A2001002.h15v05.061.2020079205554.hdf, MCD18A1.A2001002.h16v05.061.2020079205717.hdf]]

我是用 Python 做的，但我不知道如何用 R：

# Seperate files by date
MODIS_files_bydate = [list(i) for _, i in itertools.groupby(MODIS_files, lambda x: x.split('.')[1])]

【问题讨论】：

标签： r group-by split filenames itertools

【解决方案1】：

这是你要找的吗？

g <- sub("^[^\\.]*\\.([^\\.]+)\\..*$", "\\1", s)
split(s, g)
#$A2001001
#[1] "MCD18A1.A2001001.h15v05.061.2020097222704.hdf"
#[2] "MCD18A1.A2001001.h16v05.061.2020097221515.hdf"
#
#$A2001002
#[1] "MCD18A1.A2001002.h15v05.061.2020079205554.hdf"
#[2] "MCD18A1.A2001002.h16v05.061.2020079205717.hdf"

正则表达式解释

正则表达式分为三个部分。

^[^\\.]*\\.
- ^第一个抑扬符标志着字符串的开始；
- ^[^\\.] 开头，一个否定点的类（第二个^）。点是元字符，因此必须转义，\\.；
- 开头没有点的序列重复零次或多次 (*)；
- 前面的序列以点结束，\\.。
([^\\.]+) 是一个捕获组。
- [^\\.]没有点的类，如上；
- [^\\.]+ 至少重复了一次 (+)。
\\..*$"
- \\. 以一个点开头
- \\..*$ 任何字符重复零次或多次直到结束 ($)。

sub 替换的是捕获组，括号之间的内容本身就是\\1。这会丢弃其他所有内容。

数据

s <- "
MCD18A1.A2001001.h15v05.061.2020097222704.hdf
MCD18A1.A2001001.h16v05.061.2020097221515.hdf
MCD18A1.A2001002.h15v05.061.2020079205554.hdf
MCD18A1.A2001002.h16v05.061.2020079205717.hdf"
s <- scan(text = s, what = character())

【讨论】：

这项工作！但是由于正则表达式，我不太了解 g ，您能解释一下 sub 正在替换什么吗？谢谢
@Just_4n0th3r_Pr0gr4mm3r 添加了解释。立即查看。

【解决方案2】：

您希望结果如何组织？

这是一个解决方案：

files <- c("MCD18A1.A2001001.h15v05.061.2020097222704.hdf",
           
           "MCD18A1.A2001001.h16v05.061.2020097221515.hdf",
           
           "MCD18A1.A2001002.h15v05.061.2020079205554.hdf",
           
           "MCD18A1.A2001002.h16v05.061.2020079205717.hdf")

unique_date <- unique(sub("^[^\\.]*\\.([^\\.]+)\\..*$", "\\1", files))
# (credit to Rui Barradas for the nice regular expression)

grouped_files <- lapply(unique_date, function(x){files[grepl(x, files)]})

names(grouped_files) <- unique_date

> grouped_files
# $A2001001
# [1] "MCD18A1.A2001001.h15v05.061.2020097222704.hdf"  "MCD18A1.A2001001.h16v05.061.2020097221515.hdf"

# $A2001002
# [1] "MCD18A1.A2001002.h15v05.061.2020079205554.hdf"  "MCD18A1.A2001002.h16v05.061.2020079205717.hdf"

【讨论】：

为什么要应用独特的功能？你能解释一下正在取代什么？谢谢
这样每个日期都会有一个“组”。然后为每个组找到所有相关日期。 sub() 只是挑选日期的一种方法：第一个参数是模式（前两个点之间的内容），第二个参数引用该模式并且是替换。每个文件名都被替换为找到的模式。