在R语言的dataframe中提取|字符之间内容的方法咨询

R语言（tidyverse 方案） #

你可以直接用正则表达式匹配两个|之间的内容，或者按|拆分后取对应位置的元素：

library(tidyverse)

# 方法1：正则提取，匹配第一个和第二个|之间的内容
df <- df %>%
  mutate(extracted_content = str_extract(Accession, "(?<=\\|).*?(?=\\|)"))

# 方法2：按|拆分取第二部分，适合固定只有两个|的场景
df <- df %>%
  mutate(extracted_content = str_split(Accession, "\\|", simplify = TRUE)[,2])

如果要提取所有|之间的内容（存在多个|的情况），可以用str_extract_all返回列表格式的结果。

Python（pandas 方案） #

同样支持正则提取和拆分取值两种方式：

import pandas as pd

# 方法1：正则提取
df['extracted_content'] = df['Accession'].str.extract(r'\|(.*?)\|')

# 方法2：拆分后取索引为1的元素
df['extracted_content'] = df['Accession'].str.split('|').str[1]

如果要提取所有|之间的内容，可以用df['Accession'].str.findall(r'\|(.*?)\|')返回列表格式的结果。

内容的提问来源于stack exchange，提问作者Gianluca Bizzaro