为什么 stringr::str_match 列 return 是一个矩阵？

Question

我正在使用 tidyverse 加载数据，所以我有一个小标题，您可以像这样复制它：

df_1 <- tibble(id = c(1, 2, 3), subject_id = c("ABCD-FOO1-G001-YX-732E5", "ABCD-FOO2-A011-ZA-892N2", "ABCD-FOO3-1001-CD-742W5"))

现在我想修改 subject_id 以仅提取前两个字符组，即：

"ABCD-FOO1-G001-YX-732E5" -> "ABCD-FOO1"

当我运行以下代码时：

df_1 %>% mutate(subject_id = stringr::str_match(subject_id, "[^-]*-[^-]*"))

subject_id 列的每个元素本身就是一个标题：

> class(df_1[1, "subject_id"])
[1] "tbl_df"     "tbl"        "data.frame"

如何确保 subject_id 是字符向量而不是 tibble？

Answer 1

这里介绍如何避免这种情况，而不是为什么。

正如我们从 ?str_match 中学到的那样：

For str_match, a character matrix. First column is the complete match, followed by one column for each capture group. [...]

所以我们需要从矩阵中提取第一列：

df_1 %>% mutate(subject_id = stringr::str_match(subject_id, "[^-]*-[^-]*") %>% .[,1])
# # A tibble: 3 x 2
#      id subject_id
#   <dbl> <chr>     
# 1     1 ABCD-FOO1 
# 2     2 ABCD-FOO2 
# 3     3 ABCD-FOO3

另外请记住，在您的 class() 示例中，您将一个 tibble 子集化。即使只有 1 个单元格，tibble 也将始终保持 tibble。请参阅比较 class(df_2[1,"id"])。有关更多信息，请查看 this chapter from R for Data Science.

Answer 2

我们可以使用str_extract

library(stringr)
library(dplyr)
df_1 %>%
     mutate(subject_id = str_extract(subject_id, "^\w+-\w+"))
# A tibble: 3 x 2
#     id subject_id
#  <dbl> <chr>     
#1     1 ABCD-FOO1 
#2     2 ABCD-FOO2 
#3     3 ABCD-FOO3

为什么 stringr::str_match 列 return 是一个矩阵？

Why does stringr::str_match on a column return a matrix?

r

stringr

tibble