如何从 R 列值中删除前几个字符？

Question

我有一列由“|”分隔的值组成 并生成了此代码，但它需要“|”之前的所有内容，而不是之后。请记住，此列是一个“因素”。

INV | Building One
BO | Building Twenty Five
VC | Corporate

sub("([A-Za-z]+).*", "\\1"

如何删除“|”之前的第一部分 并在 R 中使用“sub”仅保留所有内容？

预期输出：

Building One
Building Twenty Five
Corporate

Answer 1

您正在寻找的正则表达式是".*?\\|".

• . 匹配所有字符
• * 零次或多次
• ?让*“懒惰”
• \\|匹配“|” 这也是一个正则表达式，所以它必须被转义

测试：

df <- data.frame(col1 = c("INV | Building One", 
                          "BO | Building Twenty Five",
                          "VC | Corporate"))

sub(".*?\\|", "", df$col1)
#> [1] " Building One"         " Building Twenty Five" " Corporate"

这是我用于此类内容的出色正则表达式备忘单：https : //rstudio.com/wp-content/uploads/2016/09/RegExCheatsheet.pdf

顺便说一句：tidyr带有一个很好的小功能，可以在这里提供帮助：

library(tidyr)
df %>% 
  separate(col1, into = c("col1", "col2"), sep = "\\|")
#>   col1                  col2
#> 1 INV           Building One
#> 2  BO   Building Twenty Five
#> 3  VC              Corporate

它将您的一列分成两列，这在这里似乎是合理的。