Sélectionnez les lignes de data.frame se terminant par une chaîne de caractères spécifique dans R

Je suis l'aide de R et j'ai un ensemble de données.cadre avec près de 2 000 entrées qui se présente comme suit:

> head(PVs,15)
     LogFreq   Word PhonCV  FreqDev
1593     140    was    CVC 5.480774
482      139    had    CVC 5.438114
1681     138    zou   CVVC 5.395454
1662     137    zei    CVV 5.352794
1619     136   werd   CVCC 5.310134
1592     135  waren CVV-CV 5.267474
620      134    kon    CVC 5.224814
646      133   kwam   CCVC 5.182154
483      132 hadden CVC-CV 5.139494
436      131   ging    CVC 5.096834
734      130  moest  CVVCC 5.054174
1171     129  stond  CCVCC 5.011514
1654     128    zag    CVC 4.968854
1620     127 werden CVC-CV 4.926194
1683     126 zouden CVV-CV 4.883534

Ce que je veux faire est de créer une nouvelle donnée.cadre qui est égal à PVs, sauf que toutes les entrées ayant en tant que membre de la "Parole" de colonne d'une chaîne de caractère qui ne se termine PAS en "te" ou "de" a été supprimé. c'est à dire Tous les mots ne se termine pas par "de" ou "te" doit être supprimé à partir des données.cadre.

Je sais comment slectively de supprimer des entrées de données.des images à l'aide d'opérateurs logiques, mais ces travaux lors de la configuration de critères numériques. Je pense que pour ce faire j'ai besoin d'utiliser des expressions régulières, mais, malheureusement, R est le seul langage de programmation, je "sais", donc je suis loin de connaître ce type de code pour l'utiliser ici.

J'apprécie votre aide.
Merci à l'avance.

source d'informationauteur HernanLG | 2012-10-22

  1. 23

    Méthode 1

    Vous pouvez utiliser grepl avec une appropriée de l'expression régulière. Considérez les points suivants:

    x <- c("blank","wade","waste","rubbish","dedekind","bated")
grepl("^.+(de|te)$",x)
[1] FALSE  TRUE  TRUE FALSE FALSE FALSE

    L'expression régulière dit de commencer (^) avec tout ce que n'importe quel nombre de fois (.+) et ensuite de trouver de ou te ( (de|te) ), puis à la fin ($).

    Sorte de vos données.cadre d'essayer,

    subset(PVs,grepl("^.+(de|te)$",Word))

    Méthode 2

    Pour éviter les regexp méthode, vous pouvez utiliser un substr méthode à la place.

    # substr the last two characters and test
substr(x,nchar(x)-1,nchar(x)) %in% c("de","te")
[1] FALSE  TRUE  TRUE FALSE FALSE FALSE

    Donc, essayez:

    subset(PVs,substr(Word,nchar(Word)-1,nchar(Word)) %in% c("de","te"))
  2. 3

    J'ai modifié les données un peu alors qu'il y avait des mots qui s'est terminée en te ou de.

    > PV
     LogFreq   Word PhonCV  FreqDev
1593     140 blahte    CVC 5.480774
482      139    had    CVC 5.438114
1681     138 aaaade   CVVC 5.395454
1662     137    zei    CVV 5.352794
1619     136   werd   CVCC 5.310134
1592     135  waren CVV-CV 5.267474
620      134    kon    CVC 5.224814
646      133 kwamde   CCVC 5.182154
483      132 hadden CVC-CV 5.139494
436      131   ging    CVC 5.096834
734      130 moeste  CVVCC 5.054174
1171     129  stond  CCVCC 5.011514
1654     128  zagde    CVC 4.968854
1620     127 werden CVC-CV 4.926194
1683     126 zouden CVV-CV 4.883534

# Add a column to PV that you can visually check the regular expression matches.
PV$Match <- grepl(pattern = "(de|te)$", PV$Word)

# Subset PV data frame to show only TRUE matches
PV <- PV[PV$Match == FALSE, ]

    Le résultat est illustré ci-dessous

         LogFreq   Word PhonCV  FreqDev Match
482      139    had    CVC 5.438114 FALSE
1662     137    zei    CVV 5.352794 FALSE
1619     136   werd   CVCC 5.310134 FALSE
1592     135  waren CVV-CV 5.267474 FALSE
620      134    kon    CVC 5.224814 FALSE
483      132 hadden CVC-CV 5.139494 FALSE
436      131   ging    CVC 5.096834 FALSE
1171     129  stond  CCVCC 5.011514 FALSE
1620     127 werden CVC-CV 4.926194 FALSE
1683     126 zouden CVV-CV 4.883534 FALSE
  3. 1

    À l'aide de grep 

    grep -xvE '.{17}(de|te).*' file.txt