n行から文字列から単語を抽出し、その単語を新しい列として追加する

Question

3列のデータセットがあり、15565の観測値があります。列の1つに同じ行に複数の単語があります。 私が探しているのは、各行から特定の単語を抽出し、それを新しい列に追加することです（合計4列あります）。 問題は、私が探している単語が同じではなく、常に同じ位置にあるとは限りません。

x y z 1 T 3C00652722 (T558799A) 2 T NA >> MSP: T0578836A & 3C03024632 3 T T0579010A, 3C03051500, EAET03051496 4 U T0023231A > MSP: T0577506A & 3C02808556 8 U (T561041A C72/59460)>POPMigr.T576447A,C72/221816*3C00721502

私は3Cで始まり、10文字の長されているすべての単語を抽出し、それは次のようになりますので、新しいCOLに追加する探しています：ここ は私のDSの抽出物である

x y z R
1 T 3C00652722 (T558799A) 3C00652722 2 T NA >> MSP: T0578836A & 3C03024632 3C03024632 3 T T0579010A, 3C03051500, EAET03051496 3C03051500 4 U T0023231A > MSP: T0577506A & 3C02808556 3C02808556 8 U >POPMigr.T576447A,C72/221816*3C00721502 3C00721502

私は無駄でstringr gprepライブラリを使用して試してみました。

Answer 1

akrun'sソリューションは、ちょうど私がstringrライブラリとsubstring法に基づいて、別の解決策を掲載していますため、シンプルかつエレガントな方法ですが私たちはstr_extract

library(stringr) 
df1$R <- str_extract(df1$z, "\\b3C[^, ]{8}") 
df1$R 
#[1] "3C00652722" "3C03024632" "3C03051500" "3C02808556" "3C00721502" 

Answer 2

でこれを行うことができます。

library(stringr) 

x <- c(1,2,3,4,8) 
y <- c('T','T','T','U','U') 
z <- c('3C00652722 (T558799A)', 'NA >> MSP: T0578836A & 3C03024632', 'T0579010A, 3C03051500, EAET03051496', 
    'T0023231A > MSP: T0577506A & 3C02808556', '(T561041A C72/59460)>POPMigr.T576447A,C72/221816*3C00721502') 

dt <- data.frame(x,y,z) 

charLoc <- str_locate(pattern = "3C", dt$z) 
idx <- list() 
for (s in 1:dim(charLoc)[1]) { 
    idx[s] <- substring(dt$z[s], first = charLoc[s,][1], last = charLoc[s,][1]+9) 
} 
dt$val <- sapply(idx, paste0, collapse=",") 
print(head(dt)) 

と同じの出力が

x y               z  val 
1 1 T          3C00652722 (T558799A) 3C00652722 
2 2 T       NA >> MSP: T0578836A & 3C03024632 3C03024632 
3 3 T       T0579010A, 3C03051500, EAET03051496 3C03051500 
4 4 U      T0023231A > MSP: T0577506A & 3C02808556 3C02808556 
5 8 U (T561041A C72/59460)>POPMigr.T576447A,C72/221816*3C00721502 3C00721502