如何准确地grep单词

Question

我想在下面的字符向量中使用grep来表示“N”，并且只想返回包含“N”的条目，而不返回其余的条目(例如，固定氮)：

varnames=c("nitrogen", "dissolved organic nitrogen", "nitrogen fixation", "total dissolved nitrogen", "total nitrogen")

我尝试了这样的东西：

grepl(pattern= "![[:space:]]nitrogen![[:space:]]", varnames)

但这不管用。

Answer 1

要获得与“N”完全相等的索引，您可以使用

which(varnames == "nitrogen")

根据你想要做什么，你可能甚至不需要‘what’，因为varnames == "nitrogen"给出了一个真/假的逻辑向量。如果您只是想做一些事情，比如将所有出现的“氮”替换为“氧”，这应该就足够了。

varnames[varnames == "nitrogen"] <- "oxygen"

Answer 2

尽管Dason的答案更简单，但您可以使用grep via进行精确匹配：

varnames=c("nitrogen", "dissolved organic nitrogen", "nitrogen fixation", "total dissolved nitrogen", "total nitrogen")

grep("^nitrogen$",varnames,value=TRUE)
[1] "nitrogen"

grep("^nitrogen$",varnames)
[1] 1

Answer 3

或者，如果您希望匹配实际字符串(无regex)，请使用fixed = TRUE：

v <- sample(c("nitrogen", "potassium", "hidrogen"), size = 100, replace = TRUE, prob = c(.8, .1, .1))
grep("nitrogen", v, fixed = TRUE)
# [1]   3   4   5   6   7   8   9  11  12  13  14  16  19  20  21  22  23  24  25
# [20]  26  27  29  31  32  35  36  38  39  40  41  43  44  46  47  48  49  50  51
# [39]  52  53  54  56  57  60  61  62  65  66  67  69  70  71  72  73  74  75  76
# [58]  78  79  80  81  82  83  84  85  86  87  88  89  91  92  93  94  95  96  97
# [77]  98  99 100

不知道速度问题，我喜欢测试东西，并声称方法A比方法B更快，但理论上，至少从我的经验来看，索引/二进制运算符应该是最快的，所以我投票支持@Dason的方法。另请注意，regexes的速度始终比fixed = TRUE greping慢。

下面附上一个小小的证明。注意，这是一个差劲的测试，应该将system.time放在replicate中以获得(更)准确的差异，您应该将离群值放入帐户，等等。但这肯定证明了您应该使用which！=)

(a0 <- system.time(replicate(1e5, grep("^nitrogen$", v))))
# user  system elapsed 
# 5.700   0.023   5.724  
(a1 <- system.time(replicate(1e5, grep("nitrogen", v, fixed = TRUE))))
# user  system elapsed 
# 1.147   0.020   1.168 
(a2 <- system.time(replicate(1e5, which(v == "nitrogen"))))
# user  system elapsed 
# 1.013   0.020   1.033