0

我在列中有一个带有语音数据的数据框speech。

df <- data.frame(
  id = c("A", "A", "B", NA, "A", "B", "B", "B", "B"),
  speech = c("hi", "how are you [Larry]?", "[uh]", "(0.123)", 
             "I'm fine [you 'n Mary] how's it [goin]?", "[erm]", "(0.4)", "well", "y'know what it's like")
)

我需要过滤掉 (i) 由相同的idAND (ii) 其第一个speech值是方括号中的内容的行[...]。但是，过滤器不应该消耗所有相同id的语音speech：它应该在匹配圆括号中的(...)内容或简单文本时立即停止。

我可以过滤df开条件（i）和（ii）：

library(dplyr)
library(data.table)
df %>% 
  group_by(grp = rleid(id)) %>% 
  filter(grepl("^\\[.*?\\]$", first(speech)))

这使：

# A tibble: 5 x 3
# Groups:   grp [2]
  id    speech                  grp
  <chr> <chr>                 <int>
1 B     [uh]                      2
2 B     [erm]                     5
3 B     (0.4)                     5
4 B     well                      5
5 B     y'know what it's like     5

但我不知道如何在speechwith(...)或 with 文本处停止过滤器。预期的结果是这样的：

# A tibble: 5 x 3
# Groups:   grp [2]
  id    speech                  grp
  <chr> <chr>                 <int>
1 B     [uh]                      2
2 B     [erm]                     5

非常感谢您的帮助！

编辑：

好像我自己找到了解决方案：

df %>% 
  group_by(grp = rleid(id)) %>% 
  filter(grepl("^\\[.*?\\]$", first(speech)) & !grepl("^\\(\\d\\.\\d{1}\\)$|^\\w", speech))

但无论如何，感谢所有考虑过的人！

4

0 回答 0