【Rデータ整理】文字を切り出して新しい列に追加する：mutate／substr／str_sub

文字列から一部だけ切り出して、新しい列を作りたい時。

• • 列の追加は dplyrパッケージ: mutate
  • 文字の切り出しは
    • R標準パッケージ: substr  or  substring 
    • stringrパッケージ: str_sub

等を使う。

substr

例えば、下記テーブル "Data" の "Group" 列の左から3番目の文字 "F" or "M" を切り出して、"Sex" という列を新たに作りたい場合。

mutate(Data, Sex=substring(Group,3,3))

とする。

• 第１因数：対象文字列
• 第２因数：開始位置（左から何番目から開始するか）
• 第３因数：終了位置（左から何番目で終了するか）

※ 1文字目の位置は、他のプログラミング言語では「０」だけど、R言語では見たまま「１」となる。

 

dplyr::select(Data,Sex,everything())

で、"Sex" の列を再左部に持っていくと、目的の列が左側に追加される。

stringr::str_sub

上記R標準パッケージでもいいけど、文字列操作は Hadley氏作製の stringr パッケージで完結した方が便利。

例えば、stringr::str_sub だと、"末尾から数えて何番目" などの指定もできる。

stringr パッケージは tidyverse パッケージの中に入っているので、tidyverse をインストールしておけば使える。

install.packages(tidyverse)
library(tidyverse)

 

末尾から数える場合

stringr パッケージの

str_sub

関数を使うと、末尾から数えた部分文字を抽出できる。

 

正の整数で位置を指定すると、"前から数えて何番目" となるけど、"後ろから数えて何番目" と指定したい場合は、負の整数（-1, -2 etc.）を使う。

例えば、下記のようなデータで、

"Region" の列に入っている "Cont-Ctx-F1" etc. の文字列を元にして

• Side: Ipsi or Cont
• Region: Hipp or Ctx
• Sex: M or F

のように、３つの列を作りたい場合。

Side

Side は開始位置1, 終了位置4とする。

mutate(Data, Side = str_sub(Region,1,4))

Sex

Sex は、後ろから2番めの記号（F or M）を切り出したいので、開始位置 -2(後ろから数えて２番目）, 終了位置 2（後ろから数えて2番目）とする。

mutate(Data, Sex=str_sub(Region,-2,-2)

Region

RegionをCtx/Hippの部分のみにしたい場合、Ctx と Hipp は単語の数が違うから、まず4文字取り出して、その後 "gsub" etc. で "-" を削除する。

Dat <- Dat%>%
substring(Region,6,9)
Dat$Region <- gsub("-","",Dat$Region)

gsub()

の使い方は下記▼