Aide. Expression régulière et retrait de Doublon.

[Haine Nathan]

Bonjour ,

Je me permet de vous demander de l'aide parce que je sèche un peu , je suis débutant sur R et en programation , et je me retrouve devant un problème simple. J'ai d'ailleurs une partie de la solution :" Il faut que j'utilise une expression régulière".

J'ai une colonne en data Frame qui est une chaine de caractères en colonne qui prend la forme "Genre espèce Auteur [Date]".

J'aimerais garder uniquement la colonne "Genre espèce"
j'avais prévu d'utiliser la fonction split mais je n'arrive pas a trouver l'expression régulière me permettant de séparer au deuxième espace.

( Et si au passage vous avez une solution pour regrouper toute mes lignes dont chaque colonne est identique après , parce que je sens que c'est ce qui vas sortir ...)

Merci d'avance !

[Pierre-Yves Berrard]

Bonjour,

Je ne pense pas qu'on puisse le faire avec split (peut-être avec strsplit ?).

Une solution parmi d'autres (avec sub) :

Code : Tout sélectionner

donnees <-
  data.frame(
    x = c("Genre espèce Auteur [Date]", "Genre2 espèce2 Auteur [Date]")
  )

sub("([^ ]+ [^ ]+) .+", "\\1", donnees$x)
#> [1] "Genre espèce"   "Genre2 espèce2" 

(pour la deuxième question : voir ?duplicated)

[Haine Nathan]

Merci beaucoup !

L'expression régulière marche nickel . Et au final pour l'instant je n'ai pas besoin de duplicated pour réorganiser le tout.

[Mickael Canouil]

Bonjour,

une autre expression régulière pour "simplifier" :

Code : Tout sélectionner

sub(
  "(( [^ ]+){2})$",
  "",
  c("Genre espèce Auteur [Date]", "Genre2 espèce2 Auteur [Date]")
)
#> [1] "Genre espèce"   "Genre2 espèce2" 

Cordialement,

[Gabriel Terraz]

Une autre (sous réserve de respect des majuscules) :

Code : Tout sélectionner

sub(" [A-Z].+",
  "",
  c("Genre espèce Auteur [Date]", "Genre2 espèce2 Auteur [Date]")
)

[Pierre-Yves Berrard]

Je ressors une nouvelle fois cette astuce avec read.table ^^ :

Code : Tout sélectionner

do.call(
  paste,
  read.table(text = c("Genre espèce yz [Date1]", "Genre2 espèce2 abc [Date2]"))[1:2]
)

[Gabriel Terraz]

Et avec strsplit :

Code : Tout sélectionner

st <- strsplit(
   c("Genre espèce Auteur [Date]", "Genre2 espèce2 Auteur [Date]"),
   " "
)
sapply(lapply(st, head, 2), paste, collapse = " ")

[Mickael Canouil]

Code : Tout sélectionner

x <- c("Genre espèce Auteur [Date]", "Genre2 espèce2 Auteur [Date]")

bm <- bench::mark(
sub("(( [^ ]+){2})$", "", x),
sub("([^ ]+ [^ ]+) .+", "\\1", x),
sub(" [A-Z].+", "", x),
do.call(paste, read.table(text = x)[1:2]),
sapply(strsplit(x, " "), \(.x) paste(head(.x, 2), collapse = " "))
)
plot(bm)
#> Loading required namespace: tidyr 

[Pierre-Yves Berrard]

Je suis à la fois premier et dernier :D

edit : ah non celle de Gabriel est plus rapide (mais fait plus d'hypothèses de départ sur les données)