仅当它是 R 中的特定字符时才替换字符串中的第 n 个字符

Question

我正在将一系列调查导入为 .csv 文件并合并到一个数据集中。问题是对于七个文件之一，一些变量的导入略有不同。数据集很大，我想找到一种方法来为运行编写一个函数，覆盖给我带来麻烦的数据集。

在一些变量中应该有一个点的时候有一个下划线。并非所有变量都具有相同的格式，但不正确的是，因为下划线始终是列名的第 6 个元素。

我希望 R 查找第 6 个元素，如果它是下划线，则将其替换为点。下面是一个虚构的例子。

col_names <- c("s1.help_needed",
               "s1.Q2_im_stuck",
               "s1.Q2.im_stuck",
               "s1.Q3.regex",
               "s1.Q3_regex",
               "s2.Q1.is_confusing",
               "s2.Q2.answer_please",
               "s2.Q2_answer_please",
               "s2.someone_knows_the answer",
               "s3.appreciate_the_help")

我假设有一个正则表达式答案，但我正在努力寻找一个。也许还有一个整洁的答案？

Answer 1

正如@thelatemail 指出的那样，none 您的数据实际上在第五位有下划线，但有些在第六位有下划线（其他人有点）。基本的 R 方法是使用 gsub():

result <- gsub("^(.{5})_", "\1.", col_names)

> result
 [1] "s1.help_needed"              "s1.Q2.im_stuck"             
 [3] "s1.Q2.im_stuck"              "s1.Q3.regex"                
 [5] "s1.Q3.regex"                 "s2.Q1.is_confusing"         
 [7] "s2.Q2.answer_please"         "s2.Q2.answer_please"        
 [9] "s2.someone_knows_the answer" "s3.appreciate_the_help"

下面是对正则表达式的解释：

^         from the start of the string
(.{5})    match AND capture any five characters
_         followed by an underscore

括号内的数量称为捕获组，可用于\1替换。所以正则表达式是说用我们捕获的五个字符替换前六个字符，但使用一个点作为第六个字符。

Answer 2

您可以使用由任何类型的前 4 个（实际上是 5 个）字符后跟下划线定义的 "capture-class"，并替换为后跟 "dot" 的任何这 5 个字符。由于所有示例的第 6 个位置都有下划线，我猜您没有计算原始 "dots":

> col_names
 [1] "s1.help_needed"              "s1.Q2_im_stuck"             
 [3] "s1.Q2.im_stuck"              "s1.Q3.regex"                
 [5] "s1.Q3_regex"                 "s2.Q1.is_confusing"         
 [7] "s2.Q2.answer_please"         "s2.Q2_answer_please"        
 [9] "s2.someone_knows_the answer" "s3.appreciate_the_help"     
> sub("^(.....)_", "\1.", col_names)
 [1] "s1.help.needed"              "s1.Q2.im_stuck"             
 [3] "s1.Q2.im.stuck"              "s1.Q3.regex"                
 [5] "s1.Q3.regex"                 "s2.Q1.is.confusing"         
 [7] "s2.Q2.answer.please"         "s2.Q2.answer_please"        
 [9] "s2.someone.knows_the answer" "s3.appreciate.the_help"

由于替换参数不存在与转义相同的问题，因此您不需要像在 R-regex 模式参数中使用的那样使用双反斜杠。

仅当它是 R 中的特定字符时才替换字符串中的第 n 个字符

replacing the nth character in a string only if it is a particular character in R

regex

string

r

tidyr