過濾器[R數據幀以包括兩個字符串

Question

我有一個數據幀，看起來像這樣之間的空間只有行：

v1 <- c('abies balsamifera','some trees','pizza','i like tacos','pinus taeda') 
v2 <- c(1,2,3,4,5) 
data <- data.frame(v1,v2) 
       v1 v2 
1 abies balsamifera 1 
2  some trees 2 
3    pizza 3 
4  i like tacos 4 
5  pinus taeda 5 

我想子集數據框，只有包括行，其中在v1的字符串有兩個單詞用空格隔開。我想要排除只包含一個單詞的行或包含三個單詞的其他行。所得到的數據幀是這樣的：

    v1 v2 
1 abies balsamifera 1 
2  some trees 2 
5  pinus taeda 5 

Answer 1

你正在尋找一個是由一個或多個單詞字符，一個空格，再一個或多個單詞字符的字符串。

這裏是一個正則表達式，它描述了上述聲明：

> grepl('^\\w+\\s\\w+$', v1) 
[1] TRUE TRUE FALSE FALSE TRUE 

你可以用這個邏輯向量索引數據幀。

Answer 2

一種替代方法計算空格的數量，允許多個相鄰空間（例如，數據輸入錯字）的可能性。

data[sapply(gregexpr(" +", data$v1), function(i) sum(i > 0)) == 1, ] 
       v1 v2 
1 abies balsamifera 1 
2  some trees 2 
5  pinus taeda 5 

gregexpr讀取通過字符向量，並返回compsed匹配的字符向量的每個元素的位置的矢量的列表。給出非匹配（-1），因此每個值都與0相比較，然後相加。有一個匹配的值（一組相鄰空格字符）返回TRUE。 sapply用於通讀列表並返回一個向量。

Answer 3

以下是使用strsplit()的解決方案。請注意，由於它使用循環，所以速度可能會更慢。

v1 <- c('abies balsamifera','some trees','pizza','i like tacos','pinus taeda') 
v2 <- c(1,2,3,4,5) 
data <- data.frame(v1,v2) 
colnames(data) <- c("v1", "v2") 

spacer <- function(data){ 
    booleans <- vector() 
    i <- 1 
    while (i <= nrow(data)){ 
     tmp <- strsplit(as.character(data$v1[i]), ' ')[[1]] 
     booleans[i] <- (length(tmp) == 2) 
     i <- i + 1 
    } 
    return(res[(booleans),]) 
} 

data <- spacer(data) 

輸出：

    v1 v2 
1 abies balsamifera 1 
2  some trees 2 
5  pinus taeda 5 

注：上面的代碼編輯爲提高可讀性和功能與歡迎建議從@MatthewLundberg