删除R列中的部分变量名

Question

我想清理 R 变量列以仅获取物种名称。我想删除第二个“_”之后的变量名称。

这是我的桌子：

col1	Col2
Pelagodinium_beii_RCC1491_SRR1300503_MMETSP1338c20	4
Acanthoeca_10tr_SRR1294413_MMETSP0105_2c10003_g1_i1	5
Rhodosorus_marinus_UTEX-LB-2760_SRR1296985_MMETSP	5
Vannella_sp._CB-2014_DIVA3-518-3-11-1-6_SRR1296762_M	3
Florenciella_parvula_CCMP2471_SRR1294437_MMETSP134	5

我想要:

col1	Col2
Pelagodinium_beii	4
Acanthoeca_10tr	5
Rhodosorus_marinus	5
Vannella_sp。	3
Florenciella_parvula	5

我不太习惯 R，也没有找到合适的方法。

Answer 1

df$col1 <- sub("^([^_]+_[^_]+)_.*", "\\1", df$col1, perl = TRUE)
df

                  col1 Col2
1    Pelagodinium_beii    4
2      Acanthoeca_10tr    5
3   Rhodosorus_marinus    5
4         Vannella_sp.    3
5 Florenciella_parvula    5

---

使用df如下：

df <- read.table(
  text =
'col1   Col2
Pelagodinium_beii_RCC1491_SRR1300503_MMETSP1338c20  4
Acanthoeca_10tr_SRR1294413_MMETSP0105_2c10003_g1_i1 5
Rhodosorus_marinus_UTEX-LB-2760_SRR1296985_MMETSP   5
Vannella_sp._CB-2014_DIVA3-518-3-11-1-6_SRR1296762_M    3
Florenciella_parvula_CCMP2471_SRR1294437_MMETSP134  5
',
  header = TRUE
)

Answer 2

带有 strsplit 的选项：

df$col1 <- sapply(df$col1, function(i) paste0(strsplit(i, "_")[[1]][1:2], collapse = '_'))


# col1 Col2
# 1    Pelagodinium_beii    4
# 2      Acanthoeca_10tr    5
# 3   Rhodosorus_marinus    5
# 4         Vannella_sp.    3
# 5 Florenciella_parvula    5

另一种方法是使用 stringr 包中的 word：

library(stringr)
word(df$col1, 1, 2, sep = "_") -> df$col1