提取重复重复单独列的字符串模式。

Question

嗨，我还没有看到一个类似的解决方案，我有这个问题。我正在尝试创建一个regrex模式，以提取{}中的主题词后面的字符，并将它们放在一个主要列中。但是，主题词在第2行中重复，我需要提取并组合后面两个{}中的所有字符。理想情况下，我也会为次要的和偶然的属性这样做。我不知道我在这里做错了什么。谢谢!

test <- data.frame(lith=c("major{basalt} minor{andesite} incidental{dacite rhyolite}",
          "major {andesite flows} major {dacite flows}",
          "major{andesite} minor{dacite}",
          "major{basaltic andesitebasalt}"))

test %>%
  mutate(major = str_extract_all(test$lith, "[major].*[{](\\D[a-z]*)[}]") %>%
           map_chr(toString))

我想要的是：

                         major    minor     incidental
1                       basalt andesite dacite ryolite
2 andesite flows, decite flows     <NA>           <NA>
3      basaltic andesitebasalt     <NA>           <NA>

Answer 1

首先，(几乎)永远不要在以test$开头的dplyr管道中使用test %>%。充其量，它只是有点低效；如果有任何中间步骤重新排序、修改或过滤数据，那么结果要么是(a)错误，首选；要么(b)静默错误。理由是:假设你知道

test %>%
  filter(grepl("[wy]", lith)) %>%
  mutate(major = str_extract_all(test$lith, ...))

在这种情况下，filter将数据从4行减少到只有2行。但是，由于您使用的是test$lith，这是在管道启动之前从test的内容中提取的，所以这里的test$lith是长度-4，在这里我们需要它的长度-2。

或者(和优先考虑)，

test %>%
  filter(grepl("[wy]", lith)) %>%
  mutate(major = str_extract_all(lith, ...))

在这里，str_extract_all(lith, ...)只看到两个值，而不是原始的四个。

有规律的回答.

我将添加一个行号rn列作为原始行引用(源的id)。这是两种功能(对于内部工作而言)，如果您需要将它与原始数据绑定起来的话。我推断，您将这些值分组为字符串而不是列表列，但如果需要，很容易切换到后者。

library(dplyr)
library(stringr) # str_extract_all
library(tidyr) # unnest, pivot_wider
test %>%
  mutate(
    rn = row_number(),
    tmp = str_extract_all(lith, "\\b([[:alpha:]]+) ?\\{([^}]+)\\}"),
    tmp = lapply(tmp, function(z) strcapture("^([^{}]*) ?\\{(.*)\\}", z, list(categ="", val="")))
  ) %>%
  unnest(tmp) %>%
  mutate(across(c(categ, val), trimws)) %>%
  group_by(rn, categ) %>%
  summarize(val = paste(val, collapse = ", ")) %>%
  pivot_wider(rn, names_from = "categ", values_from = "val") %>%
  ungroup()
# # A tibble: 4 x 4
#      rn incidental      major                        minor   
#   <int> <chr>           <chr>                        <chr>   
# 1     1 dacite rhyolite basalt                       andesite
# 2     2 NA              andesite flows, dacite flows NA      
# 3     3 NA              andesite                     dacite  
# 4     4 NA              basaltic andesitebasalt      NA