大数据分析工具

《区域水环境污染数据分析实践》
Data analysis practice of regional water environment pollution

苏命、王为东
中国科学院大学资源与环境学院
中国科学院生态环境研究中心

2024-04-09

匹配数字

匹配数字：

• 匹配任意数字字符。
• ：匹配一个或多个数字字符。

匹配字母：

• ：匹配任意字母、数字或下划线字符。
• +：匹配一个或多个字母、数字或下划线字符。

匹配数字

匹配空白字符：

• ：匹配任意空白字符，包括空格、制表符、换行符等。
• +：匹配一个或多个空白字符。

匹配特定字符：

• [abc]：匹配字符 a、b 或 c 中的任意一个。
• [a-z]：匹配任意小写字母。
• [A-Z]：匹配任意大写字母。
• 0-9：匹配任意数字。

匹配数字

匹配重复次数：

• {n}：匹配前一个字符恰好 n 次。
• {n,}：匹配前一个字符至少 n 次。
• {n,m}：匹配前一个字符至少 n 次，但不超过 m 次。

匹配边界：

• ^：匹配字符串的开头。
• $：匹配字符串的结尾。

匹配数字

匹配特殊字符：

• ：转义特殊字符，使其按字面意义匹配。
• .：匹配任意单个字符。
• |：表示“或”关系，匹配两个或多个表达式之一。

匹配次数：

• *：匹配前一个字符零次或多次。
• +：匹配前一个字符一次或多次。
• ?：匹配前一个字符零次或一次。

匹配数字

分组和捕获：

• ()：将一系列模式组合成一个单元，可与特殊字符一起使用。

预定义字符集：

• 任意数字，相当于 0-9。
• ：任意字母、数字或下划线字符，相当于 [a-zA-Z0-9_]。
• ：任意空白字符，相当于 [ 。

实例

library(babynames)
(x <- c("apple", "apppple", "abc123def"))

[1] "apple"     "apppple"   "abc123def"

x[str_detect(x, "[0-9]")]

[1] "abc123def"

x[str_detect(x, "abc[0-9]+")]

[1] "abc123def"

x[str_detect(x, "pp")]

[1] "apple"   "apppple"

x[str_detect(x, "p{4}")]

[1] "apppple"

x[str_detect(x, "p{4}")]

[1] "apppple"

x[str_detect("apple", "ap*")]

[1] "apple"     "apppple"   "abc123def"

x[str_detect("apple", "app*")]

[1] "apple"     "apppple"   "abc123def"

x[str_detect("apple", "a..le")]

[1] "apple"     "apppple"   "abc123def"

练习

找出babyname中名字含有ar的行

# A tibble: 199,504 × 5
    year sex   name         n    prop
   <dbl> <chr> <chr>    <int>   <dbl>
 1  1880 F     Mary      7065 0.0724 
 2  1880 F     Margaret  1578 0.0162 
 3  1880 F     Sarah     1288 0.0132 
 4  1880 F     Clara     1226 0.0126 
 5  1880 F     Martha    1040 0.0107 
 6  1880 F     Carrie     949 0.00972
 7  1880 F     Pearl      569 0.00583
 8  1880 F     Marie      471 0.00483
 9  1880 F     Harriet    319 0.00327
10  1880 F     Caroline   306 0.00314
# ℹ 199,494 more rows

练习

找出babyname中名字含有ar或者以ry结尾的行。

# A tibble: 199,504 × 5
    year sex   name         n    prop
   <dbl> <chr> <chr>    <int>   <dbl>
 1  1880 F     Mary      7065 0.0724 
 2  1880 F     Margaret  1578 0.0162 
 3  1880 F     Sarah     1288 0.0132 
 4  1880 F     Clara     1226 0.0126 
 5  1880 F     Martha    1040 0.0107 
 6  1880 F     Carrie     949 0.00972
 7  1880 F     Pearl      569 0.00583
 8  1880 F     Marie      471 0.00483
 9  1880 F     Harriet    319 0.00327
10  1880 F     Caroline   306 0.00314
# ℹ 199,494 more rows

GNU/Linux服务器

• ssh, scp
• bash
  • grep
  • sed
  • awk
  • find
  • xargs
• Editor
  • Virtual Studio Code
  • Vim
  • Emacs

欢迎讨论！

苏命|https://drwater.rcees.ac.cn; https://drwater.rcees.ac.cn/bcard; Slides

mingsu@rcees.ac.cn;