Блог

У меня есть набор данных с отдельными лицами и странами их рождения. Однако некоторые люди родились во времена, когда существовали Югославия, Австрийская империя, Пруссия и т. Д., Поэтому в значениях столбцов текущая страна указана в скобках. Как я могу сохранить только страну в скобках, чтобы позже я мог группировать свои данные по странам?

 Person          Birth Country
 Nick         Prussia (Germany)
 Mike             Germany
 Maria            Canada
 Mark          Russian Empire (Poland)         
 Sven             Germany
 Jarek            Poland   
  

Мы можем использовать sub для извлечения символов, которые не ) после a ( , в качестве группы захвата, а при замене указать обратную ссылку ( \1 ) захваченной группы

 df1$Country <- sub(".*\(([^)] )\).*", "\1", df1$`Birth Country`)
df1$Country
#[1] "Germany" "Germany" "Canada"  "Poland"  "Germany" "Poland" 
  

Сопоставляемый шаблон .* (любой символ), за которым следует литерал ( (escape \( — поскольку это метасимвол), затем записывает символы в виде группы ( (...) ), которые не являются ) ( [^)] ) , за которыми следует ) ( \) ) и любые другие символы ( .* )

данные

 df1 <- structure(list(Person = c("Nick", "Mike", "Maria", "Mark", "Sven", 
"Jarek"), `Birth Country` = c("Prussia (Germany)", "Germany", 
"Canada", "Russian Empire (Poland)", "Germany", "Poland")),
class = "data.frame", row.names = c(NA, 
-6L))
  

Вы можете удалить все, вплоть до открывающих скобок и закрывающей скобки (если они существуют) :

 gsub('.*\(|\)', '', df$Birth_Country)
#[1] "Germany" "Germany" "Canada"  "Poland"  "Germany" "Poland"