library(tidyverse)ここでは、少しこれまでの話と逆行しますが、正規表現に頼らない方が簡単に処理ができるケースを例示してみます。
正規表現の練習問題2を改めてみてみましょう。次の文字列ベクトルから検査値を抜き出すことが課題でした。
vec <- c("1HbA1c :4.9", "2HbA1c: 6.3", "3HbA1c : 3", "4HbA1c:5")
vec[1] "1HbA1c :4.9" "2HbA1c: 6.3" "3HbA1c : 3" "4HbA1c:5" ここで、
prac <- tibble(target = vec)
prac# A tibble: 4 × 1
target
<chr>
1 1HbA1c :4.9
2 2HbA1c: 6.3
3 3HbA1c : 3
4 4HbA1c:5 このTibbleを1つ前の動画のように検査名と値に分けてみましょう。正規表現をごりごり利用する場合は、解答にあったように
prac %>%
mutate(
value = str_extract(target,"(?<=:(\\s|))(\\d+\\.\\d+|\\d+)"),
)# A tibble: 4 × 2
target value
<chr> <chr>
1 1HbA1c :4.9 4.9
2 2HbA1c: 6.3 6.3
3 3HbA1c : 3 3
4 4HbA1c:5 5 検査値の抽出だけでも、ぱっとみ分かりにくい正規表現になっています。ただ、ここで、次のようにすると、見通しがかなりよくなりませんか?
prac %>%
mutate(
left = str_extract(target,"^.+(?=:)"), #コロンの前
right = str_extract(target,"(?<=:).+$"), #コロンの後
name = str_trim(left), #コロンの前の空白除去
value = str_trim(right) #コロンの後の空白除去
)# A tibble: 4 × 5
target left right name value
<chr> <chr> <chr> <chr> <chr>
1 1HbA1c :4.9 "1HbA1c " "4.9" 1HbA1c 4.9
2 2HbA1c: 6.3 "2HbA1c" " 6.3" 2HbA1c 6.3
3 3HbA1c : 3 "3HbA1c " " 3" 3HbA1c 3
4 4HbA1c:5 "4HbA1c" "5" 4HbA1c 5 こんな感じでstr_trim関数を利用してあげると、前後のスペースが消えてくれるので、“(?<=:(\s|))(\d+\.\d+|\d+)”この正規表現を書かなくても、処理することができました
データクリーニングするさいには、そのデータを目的の形へ正確に効率よく変換できればOKなので、色々なやり方を試みてください。
後、str_trimの設定について補足しておきます。
str_trimは
?str_trimstarting httpd help server ... doneのUsageでsideというargumentがあります。
これは、
tgt <- " S P A C E ! "
both <- str_trim(tgt, side = "both")
left <- str_trim(tgt, side = "left")
right <- str_trim(tgt, side = "right")
str_view_all(c(tgt, both, left, right), "\\s")Warning: `str_view()` was deprecated in stringr 1.5.0.
ℹ Please use `str_view_all()` instead.[1] │ < >< >< >< >S< >< >< >< >< >P< >< >< >< >< >< >A< >< >< >< >< >< >C< >< >< >< >< >< >E< >< >< >< >< >< >!< >< >< >
[2] │ S< >< >< >< >< >P< >< >< >< >< >< >A< >< >< >< >< >< >C< >< >< >< >< >< >E< >< >< >< >< >< >!
[3] │ S< >< >< >< >< >P< >< >< >< >< >< >A< >< >< >< >< >< >C< >< >< >< >< >< >E< >< >< >< >< >< >!< >< >< >
[4] │ < >< >< >< >S< >< >< >< >< >P< >< >< >< >< >< >A< >< >< >< >< >< >C< >< >< >< >< >< >E< >< >< >< >< >< >!このように、str_view_allで全部当たる結果をみることができるので見てみると、
bothとした場合は両端のスペースleftで左、rightで右のスペースが削除されていることが確認できます。また、スライドでは紹介していませんが、
?str_trim
tgt[1] " S P A C E ! "str_squish(tgt)[1] "S P A C E !"中間の無駄なスペースを除去することができます
以上、str_trimの解説でした。
次の動画で、ここまでのstr_xxx系の関数を利用した練習問題を解いてみましょう!