我有一些数据要使用R中的正则表达式进行清理.
很容易找到如何获取包含某些模式的元素,或者不包含某些单词(字符串),但我无法找到如何排除包含模式的单元格.
我怎么能使用一般函数只保留那些不包含PATTERN的向量的元素？
我不想举一个例子,因为这可能会导致人们使用其他(虽然通常很好)的方式而不是预期的方式回答:基于正则表达式排除.无论如何:
如何排除包含以下任何字符的所有元素:
'pyfgcrl
vector <- c("Cecilia", "Cecily", "Cecily's", "Cedric", "Cedric's", "Celebes",
"Celebes's", "Celeste", "Celeste's", "Celia", "Celia's", "Celina")
在这种情况下,结果将是一个空向量.
编辑:从评论中,通过一些测试,我会发现我的建议不正确.
这是两个正确的解决方案:
vector[!grepl("['pyfgcrl]", vector)] ## kohske
grep("['pyfgcrl]", vector, value = TRUE, invert = TRUE) ## flodel
如果他们中的任何一个想重新发帖并接受他们的答案,我很乐意在这里删除我的.
您正在寻找的一般功能是grepl.从帮助文件grepl:
grepl返回一个逻辑向量(匹配或不匹配每个元素x).
此外,您应该阅读帮助页面,regex其中描述了哪些字符类.在这种情况下,您将创建一个字符类['pyfgcrl],该字体类用于查找方括号中的任何字符.然后你可以否定这一点!.
所以,到目前为止,我们有一些看起来像:
!grepl("['pyfgcrl]", vector)
为了得到你想要的东西,你像往常一样进行分组.
vector[!grepl("['pyfgcrl]", vector)]
对于@flodel提供的第二个解决方案,grep默认情况下返回匹配的位置,该value = TRUE参数允许您返回实际的字符串值.invert = TRUE表示返回未匹配的值.