问题标签 [grepl]

考虑以下示例：

不过，我想要的是仅当它作为一个单词单独存在时才匹配“is”。通过阅读一些 perl 文档，似乎这样做的方法是使用 \b，一个可用于识别模式之前和之后的锚点，即 \bword\b 匹配 'word' 但不匹配 'sword '。所以我尝试了以下示例，使用的 Perl 语法设置为“TRUE”：

我正在寻找的输出是FALSE TRUE.

我想做一些看似非常简单的事情。我想在 R 中使用 grepl() 命令（或类似命令）在几个不同的短语上对数据框进行子集化，而无需构建循环。

例如，我想为任何名为 Bob 或 Mary 的人提取所有行：

任何想法都会有所帮助！

假设我有一些字符向量，我想将其子集到与某些正则表达式不匹配的元素。我可能会使用-运算符来删除grep匹配的子集：

除了匹配的条目外，我都归还了所有内容"d"。但是，如果我搜索一个没有找到的正则表达式，而不是像我期望的那样得到一切，我什么也得不到：

为什么会这样？

Lets say I have a string "Hello." I want to see if this string contains a period:

This returns results as TRUE, but it would return that as well if text is "Hello" without the period.

I'm confused, I can't find anything about this in the documentation and it only does this for the period.

Any ideas?

我有一个包含 4 位和 6 位数字的矩阵，它们基本上包括 2 或 3 对数字，描述重叠的形状。所以，例如，

矩阵的每个单元格都具有 a 47、 a 44、 a40或以上的某种组合，其余数字为零。我有另一个类似的数据集，但只有两对数字，而不是三对。所以，例如，

同样，该组合包含52、53、50或它们的某种组合。我希望能够为两位数中的每一个选择一个逻辑矩阵，因此选择40indata1将 yield (TRUE,FALSE,FALSE,TRUE,TRUE,TRUE)，并选择50indata2将 yield (FALSE, FALSE, FALSE, TRUE, TRUE)。我已经尝试创建一个我正在寻找的唯一两位数字的列表，并使用 grepl 来选择那些与模式匹配的数字，但是由于矩阵中的零代表空值，grepl 选择了太多的细胞; 例如，寻找40indata1会产生(TRUE, FALSE, TRUE,TRUE, TRUE, TRUE)。

我有以下数据框：

我在 Diag1-7 列之一中寻找以“A1”开头的所有 id

1）我知道如何在完整的数据框中搜索一个特定的因素：

2）我知道如何在一列中搜索模式：

A) 我想以与 1) 中相同的方式在所有列 Diag1-Diag7 上使用 grepl。

B）如果可能的话，我想创建一个名为“result”的新变量，如果行中有“A1”则包含 1，如果行中没有“A1”则包含 0。

非常感谢

我正在使用 1 分钟太阳能 PV 间隔时间序列数据，其中原始时间戳将日期和时间连接在一起。我使用 sub() 来拆分日期和时间，然后使用 cbind() 将它们添加到我的数据框中。乍一看，一切似乎都很好，但是我想构建一个小型错误检查器，以确保日期和时间与原始字符串匹配，如果它们不匹配，那么它将返回行索引以供我进一步排除故障。我的想法是使用 grepl + 来识别匹配/不匹配。下面的代码显示了我正在使用的内容。

上面 which() 的结果对应于 datetime 列中字符串中所有带有“23:56”的行。我只复制了一行返回向量以节省空间...

我知道对于我的检查器，我想识别虚假案例，现在使用 TRUE 只是为了说明。我遇到的问题与在 grepl() 中使用多个字符串有关，因为我不只是想使用一个时间值来执行此操作，而是针对我的数据框中的每一行。我尝试将 mapply 与 grepl 一起使用，但我的数据框有 478,933 个观察值，因此需要很长时间。mapply + grepl 看起来像：

我已经使用了相同的 mapply 函数，只有一系列观察值（200）。当设置为 TRUE 时，我得到 200 行的索引，使用 FALSE 我得到 integer(0) - 我理解这意味着我的数据是准确的，所以这一切可能都是不必要的......但现在我从更多的是学习/练习的观点，它将使我在处理更大的数据集时受益。

抱歉问了一个很长的问题。提前感谢您的建议。

第2部分：

我很抱歉没有提供可重复的数据。我的数据太大，无法将整个数据框发布到 SO。另外@G.Grothendieck，我正在拆分日期时间字符串，因为我将使用tapply 或split 来获取每个时间间隔的采样分布，即我将有1,440 个“桶”对应于一天中的每一分钟。每个桶将由全年的该时间间隔内的观察结果填充。

这是一个新版本（data3），它是data2的头部。我已将 data3[3,2] 的值更改为“23:57”，这与 datatime 列中的时间不匹配，因此我们可以使用它来测试您的两个解决方案。贾斯汀是第一位的，其次是 G.Grothendieck。

所以，它们都导致相同的结果......但是，当我在整个数据帧（data2）上使用 G.Grothendieck 的解决方案时，它说第 840:24279 行不匹配。这是输出的前两行：

我将不匹配的前 6 行放入一个新的 df (data4) 中。然后再次应用您的每个解决方案...

这再次表明您的解决方案是相同的，但我很困惑为什么当我在整个数据帧（data2）上使用 G.Grothendieck 时，为什么它输出 840:24279 是不匹配的。让我知道这些数据是否足够。

这是我的数据：

"+"为了将与分开"-"，我尝试运行以下命令。

我不明白为什么相同的grepl()命令会起作用，"-"但不能起作用"+"。

为一个问题构建一个示例 df 导致了第二个问题。第一季度：

Q2：有没有更有效的方法来生成混合数据类型的df？这是我的尝试：

Q1：我正在过滤数据框字段，但组合过滤器语句会部分反转过滤：

这两个语句的结果给了我想要的结果：

这些语句可以结合起来产生相同的结果吗？我已经尝试了几件事，但没有一个有效。例子，

感谢您的任何评论。

我有一个看起来像的 R 数据框

我目前正在使用grepl来识别列 data.character 是否有我的搜索字符串"<str>"，如果有，我希望将所有行值data.1连接成一个带分隔符的字符串

例如。如果我使用grepl(str1,data.character)它将返回两行df$data.1并且我想要一个输出

a,c （在 data.character 中包含 str1 的行）

我目前正在使用两个 for 循环，但我知道这不是一种有效的方法。我想知道是否有人可以提出一种更优雅、更省时的方法。