草庐IT

关于正则表达式：从 R 中的表(字符)中删除 NA 字符串

codeneng 2023-03-28 原文

Remove NA strings from table (characters) in R

如何在 R 中删除一个简单数据框中的 NA 字符串，如下面的，它由单列组成？

1
2
3
4
5
head(test)
Column1
[1]"Gene1 Gene2 Gene3 NA NA NA NA"
[2]"Gene41 NAGene218 GeneX NA"
[3]"Gene19 GeneNA NA NA NA NA NA"

有些基因以 \\'NA\\' 开头或结尾，因此为了避免摆脱那些 NA，gsub 正则表达式必须指定 NA 在字符串中的位置...类似于：
test2 <- gsub('^ NA$',"", test$Column1)，^ 表示 \\'NA\\' 必须位于字符串的开头，而 $ 必须位于字符串的末尾...我相信这很简单，但我不知道明白我做错了什么？ (因为我对这些正则表达式符号不是很熟悉)

[更新] - 期望的输出

1
2
3
4
5
head(test2)
Column1
[1]"Gene1 Gene2 Gene3"
[2]"Gene41 NAGene218 GeneX"
[3]"Gene19 GeneNA"

  • 期望的输出是什么？请在示例中显示它。
  • 您好 - 我已经更新了帖子以更清楚地了解所需的输出。 @Clemsang，不幸的是，您的建议不起作用，因为某些基因名称以 NA 开头-第一次出现以"NA"开头的基因时，输出被切断。

你可以使用

1
test$Column1 <- gsub("^NA(?:\\\\s+NA)*\\\\b\\\\s*|\\\\s*\\\\bNA(?:\\\\s+NA)*$","", test$Column1)

查看正则表达式演示

详情

  • ^NA(?:\\s+NA)*\\b\\s* - 备选方案 1：

    • ^ - 字符串的开头
    • NA - NA 字符串
    • (?:\\s+NA)* - 0 次或多次重复 1 个空格和 NA 文本
    • \\b - 确保有单词边界(不应该出现 NAGene 匹配)
    • \\s* - 0 个空格
  • | - 或
  • \\s*\\bNA(?:\\s+NA)*$ - 备选方案 2：

    • \\s* - 0 个空格
    • \\b - 确保有单词边界(不应该出现 GeneNA 匹配)
    • NA - NA 字符串
    • (?:\\s+NA)* - 0 次或多次重复 1 个空格和 NA 文本
    • $ - 字符串结束。

  • 仅供参考：如果您发现性能问题或任何奇怪的行为，请将 perl=TRUE 参数添加到 gsub、gsub("^NA(?:\\\\s+NA)*\\\\b\\\\s*|\\\\s*\\\\bNA(?:\\\\s+NA)*$","", test$Column1, perl=TRUE)
  • 谢谢，这工作得很好！！ (实际上，没有 perl 选项它工作得很好)(我真的认为这将是一个相对简单的问题，但是这个正则表达式的复杂性超出了这个世界 - 至少乍一看哈哈)

从 stringr 试试这个：

1
2
3
4
5
6
7
8
library(tidyverse)

test <- tibble(column1 = c("Gene1 Gene2 Gene3 NA NA NA NA" ,
                          "Gene41 NAGene218 GeneX NA",
                          "Gene19 GeneNA NA NA NA NA NA"))

test %>%
 mutate(column1 = str_remove_all(column1," NA|NA"))

  • 你能在 "Gene41 NAGene218 GeneX NA" 上试试吗
  • 试试看，那里没有看到其他 NA。
  • 抱歉，我应该更清楚地了解所需的输出(我现在更新了帖子以包含此内容)。感谢您的建议，但此命令不适用于我的情况，因为它也删除了以 NA 开头的基因(在我的示例中为 NAGene218)。

或：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
library(stringr)
library(tidyverse)

x <- c("Gene1 Gene2 Gene3 NA NA NA NA","Gene41 NAGene218 GeneX NA","Gene19 GeneNA NA NA NA NA NA")

str_split(x,"\\\\s", simplify = TRUE) %>%
  as_tibble() %>%
  mutate_all(~str_remove(.x,"^(NA)|(NA)$"))

# V1     V2      V3    V4    V5    V6    V7  
# <chr>  <chr>   <chr> <chr> <chr> <chr> <chr>
#   1 Gene1  Gene2   Gene3""   ""   ""   ""  
# 2 Gene41 Gene218 GeneX""   ""   ""   ""  
# 3 Gene19 Gene   ""   ""   ""   ""   ""

  • 感谢您的建议，但这也不起作用，因为它也从基因名称中删除了 NA(GeneNA 变成了 Gene，NAGene218 变成了 Gene218)。很抱歉，我对所需的输出不太清楚，但我现在已经更新了原始问题。

字符NAsectionnbspquotgsubrregex

有关关于正则表达式：从 R 中的表(字符)中删除 NA 字符串的更多相关文章

  1. ruby - 如何从 ruby​​ 中的字符串运行任意对象方法？ - 2

    总的来说，我对ruby​​还比较陌生，我正在为我正在创建的对象编写一些rspec测试用例。许多测试用例都非常基础，我只是想确保正确填充和返回值。我想知道是否有办法使用循环结构来执行此操作。不必为我要测试的每个方法都设置一个assertEquals。例如:describeitem,"TestingtheItem"doit"willhaveanullvaluetostart"doitem=Item.new#HereIcoulddotheitem.name.shouldbe_nil#thenIcoulddoitem.category.shouldbe_nilendend但我想要一些方法来使用

  2. Ruby 解析字符串 - 2

    我有一个字符串input="maybe(thisis|thatwas)some((nice|ugly)(day|night)|(strange(weather|time)))"Ruby中解析该字符串的最佳方法是什么？我的意思是脚本应该能够像这样构建句子:maybethisissomeuglynightmaybethatwassomenicenightmaybethiswassomestrangetime等等，你明白了......我应该一个字符一个字符地读取字符串并构建一个带有堆栈的状态机来存储括号值以供以后计算，还是有更好的方法？也许为此目的准备了一个开箱即用的库？

  3. ruby - 其他文件中的 Rake 任务 - 2

    我试图在一个项目中使用rake，如果我把所有东西都放到Rakefile中，它会很大并且很难读取/找到东西，所以我试着将每个命名空间放在lib/rake中它自己的文件中，我添加了这个到我的rake文件的顶部:Dir['#{File.dirname(__FILE__)}/lib/rake/*.rake'].map{|f|requiref}它加载文件没问题，但没有任务。我现在只有一个.rake文件作为测试，名为“servers.rake”，它看起来像这样:namespace:serverdotask:testdoputs"test"endend所以当我运行rakeserver:testid时

  4. ruby-on-rails - 在 Rails 中将文件大小字符串转换为等效千字节 - 2

    我的目标是转换表单输入，例如“100兆字节”或“1GB”，并将其转换为我可以存储在数据库中的文件大小(以千字节为单位)。目前，我有这个:defquota_convert@regex=/([0-9]+)(.*)s/@sizes=%w{kilobytemegabytegigabyte}m=self.quota.match(@regex)if@sizes.include?m[2]eval("self.quota=#{m[1]}.#{m[2]}")endend这有效，但前提是输入是倍数(“gigabytes”，而不是“gigabyte”)并且由于使用了eval看起来疯狂不安全。所以，功能正常，

  5. ruby-on-rails - Ruby net/ldap 模块中的内存泄漏 - 2

    作为我的Rails应用程序的一部分，我编写了一个小导入程序，它从我们的LDAP系统中吸取数据并将其塞入一个用户表中。不幸的是，与LDAP相关的代码在遍历我们的32K用户时泄漏了大量内存，我一直无法弄清楚如何解决这个问题。这个问题似乎在某种程度上与LDAP库有关，因为当我删除对LDAP内容的调用时，内存使用情况会很好地稳定下来。此外，不断增加的对象是Net::BER::BerIdentifiedString和Net::BER::BerIdentifiedArray，它们都是LDAP库的一部分。当我运行导入时，内存使用量最终达到超过1GB的峰值。如果问题存在，我需要找到一些方法来更正我的代

  6. ruby-on-rails - unicode 字符串的长度 - 2

    在我的Rails(2.3，Ruby1.8.7)应用程序中，我需要将字符串截断到一定长度。该字符串是unicode，在控制台中运行测试时，例如'א'.length，我意识到返回了双倍长度。我想要一个与编码无关的长度，以便对unicode字符串或latin1编码字符串进行相同的截断。我已经了解了Ruby的大部分unicode资料，但仍然有些一头雾水。应该如何解决这个问题？ 最佳答案 Rails有一个返回多字节字符的mb_chars方法。试试unicode_string.mb_chars.slice(0,50)

  7. ruby-on-rails - Rails 3 中的多个路由文件 - 2

    Rails2.3可以选择随时使用RouteSet#add_configuration_file添加更多路由。是否可以在Rails3项目中做同样的事情？ 最佳答案 在config/application.rb中:config.paths.config.routes在Rails3.2(也可能是Rails3.1)中，使用:config.paths["config/routes"] 关于ruby-on-rails-Rails3中的多个路由文件，我们在StackOverflow上找到一个类似的问题

  8. ruby - 将差异补丁应用于字符串/文件 - 2

    对于具有离线功能的智能手机应用程序，我正在为Xml文件创建单向文本同步。我希望我的服务器将增量/差异(例如GNU差异补丁)发送到目标设备。这是计划:Time=0Server:hasversion_1ofXmlfile(~800kiB)Client:hasversion_1ofXmlfile(~800kiB)Time=1Server:hasversion_1andversion_2ofXmlfile(each~800kiB)computesdeltaoftheseversions(=patch)(~10kiB)sendspatchtoClient(~10kiBtransferred)Cl

  9. ruby-on-rails - Rails 常用字符串(用于通知和错误信息等) - 2

    大约一年前，我决定确保每个包含非唯一文本的Flash通知都将从模块中的方法中获取文本。我这样做的最初原因是为了避免一遍又一遍地输入相同的字符串。如果我想更改措辞，我可以在一个地方轻松完成，而且一遍又一遍地重复同一件事而出现拼写错误的可能性也会降低。我最终得到的是这样的:moduleMessagesdefformat_error_messages(errors)errors.map{|attribute,message|"Error:#{attribute.to_s.titleize}#{message}."}enddeferror_message_could_not_find(obje

  10. ruby - 如何以所有可能的方式将字符串拆分为长度最多为 3 的连续子字符串？ - 2

    我试图获取一个长度在1到10之间的字符串，并输出将字符串分解为大小为1、2或3的连续子字符串的所有可能方式。例如:输入:123456将整数分割成单个字符，然后继续查找组合。该代码将返回以下所有数组。[1,2,3,4,5,6][12,3,4,5,6][1,23,4,5,6][1,2,34,5,6][1,2,3,45,6][1,2,3,4,56][12,34,5,6][12,3,45,6][12,3,4,56][1,23,45,6][1,2,34,56][1,23,4,56][12,34,56][123,4,5,6][1,234,5,6][1,2,345,6][1,2,3,456][123

随机推荐