R Statistik: Wie ein Wort genau grep

Question

Ich würde gerne für "Stickstoff" in den folgenden Zeichenvektor grep und wollen nur den Eintrag zurück, der "Stickstoff" und nichts von dem Rest enthält (zB Stickstoff Fixierung):

varnames=c("nitrogen", "dissolved organic nitrogen", "nitrogen fixation", "total dissolved nitrogen", "total nitrogen") 

ich habe versucht, so etwas wie dieses:

grepl(pattern= "![[:space:]]nitrogen![[:space:]]", varnames) 

Aber das funktioniert nicht. Ich hoffe, dass mir jemand bei dieser Aufgabe helfen kann.

Answer 1

die Indizes zu erhalten, die genau gleich „Stickstoff“ sind, könnten Sie

which(varnames == "nitrogen") 

verwenden Je Was Sie tun wollen, brauchen Sie vielleicht nicht einmal das 'was', da varnames == "nitrogen" einen logischen Vektor von TRUE/FALSE ergibt. Wenn Sie nur etwas tun wollen wie alle der Vorkommen von „Stickstoff“ mit „Sauerstoff“ ersetzen sollte

varnames[varnames == "nitrogen"] <- "oxygen" 

Answer 2

Obwohl Dason Antwort einfacher ist, könnten Sie eine genaue Übereinstimmung tun grep über:

varnames=c("nitrogen", "dissolved organic nitrogen", "nitrogen fixation", "total dissolved nitrogen", "total nitrogen") 

grep("^nitrogen$",varnames,value=TRUE) 
[1] "nitrogen" 

grep("^nitrogen$",varnames) 
[1] 1 

Answer 3

genügen Oder fixed = TRUE verwenden, wenn Sie tatsächlich string (regex lessly) übereinstimmen soll:

v <- sample(c("nitrogen", "potassium", "hidrogen"), size = 100, replace = TRUE, prob = c(.8, .1, .1)) 
grep("nitrogen", v, fixed = TRUE) 
# [1] 3 4 5 6 7 8 9 11 12 13 14 16 19 20 21 22 23 24 25 
# [20] 26 27 29 31 32 35 36 38 39 40 41 43 44 46 47 48 49 50 51 
# [39] 52 53 54 56 57 60 61 62 65 66 67 69 70 71 72 73 74 75 76 
# [58] 78 79 80 81 82 83 84 85 86 87 88 89 91 92 93 94 95 96 97 
# [77] 98 99 100 

Keine Ahnung über die Geschwindigkeitsprobleme, ich mag Sachen testen und dieser Ansatz A Anspruch ist schneller als Ansatz B, aber in der Theorie, zumindest aus meiner Erfahrung, Indexierung/Binäroperatoren sollten die schnellste sein, so dass ich stimme für @ Dason des Ansatz. Beachten Sie auch, dass regex es sind immer langsamer als fixed = TRUEgrep ing.

Ein kleiner Beweis unten angebracht. Beachten Sie, dass dies ein lahmer Test ist, und system.time sollte innerhalb replicate gesetzt wird (mehr) genaue Unterschiede zu erhalten, sollten Sie Ausreißer auf ein Konto übernehmen, etc. Aber sicherlich dies beweist, dass Sie which verwenden sollen! =)

(a0 <- system.time(replicate(1e5, grep("^nitrogen$", v)))) 
# user system elapsed 
# 5.700 0.023 5.724 
(a1 <- system.time(replicate(1e5, grep("nitrogen", v, fixed = TRUE)))) 
# user system elapsed 
# 1.147 0.020 1.168 
(a2 <- system.time(replicate(1e5, which(v == "nitrogen")))) 
# user system elapsed 
# 1.013 0.020 1.033