如何根据名称对列表中的文件进行分组？

Question

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]]

我使用 Python 完成了此操作，但我不知道如何使用 R：

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

Answer 1

这是你想要的？

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。

1. ^[^\\.]*\\.
   • ^ 第一个抑扬符标记字符串的开始；
   • ^[^\\.]一开始，一个类否定一个点（第二个^）。点是元字符，因此必须转义，\\.;
   • 开头没有点的序列重复了零次或多次 ( *)；
   • 前一个序列以点结束，\\.。
2. ([^\\.]+) 是一个捕获组。
   • [^\\.] 没有点的类，如上；
   • [^\\.]+至少重复一次（+）。
3. \\..*$"
   • \\. 从一个点开始
   • \\..*$任何字符重复零次或多次，直到结束 ( $)。

什么sub是更换是捕获组，什么是括号之间，其本身\\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())