如何根据名称对列表中的文件进行分组？

问题描述

我有 4 个文件：

MCD18A1.A2001001.h15v05.061.2020097222704.hdf

MCD18A1.A2001001.h16v05.061.2020097221515.hdf

MCD18A1.A2001002.h15v05.061.2020079205554.hdf

MCD18A1.A2001002.h16v05.061.2020079205717.hdf

我想在列表中按名称（日期：A2001001 和 A2001002）对它们进行分组，如下所示：

[[MCD18A1.A2001001.h15v05.061.2020097222704.hdf,MCD18A1.A2001001.h16v05.061.2020097221515.hdf],[MCD18A1.A2001002.h15v05.061.2020079205554.hdf,MCD18A1.A2001002.h16v05.061.2020079205717.hdf]]

我使用 Python 完成此操作，但我不知道如何使用 R：

# Seperate files by date
MOdis_files_bydate = [list(i) for _,i in itertools.groupby(MOdis_files,lambda x: x.split('.')[1])]

解决方法

这是您要找的吗？

g <- sub("^[^\\.]*\\.([^\\.]+)\\..*$","\\1",s)
split(s,g)
#$A2001001
#[1] "MCD18A1.A2001001.h15v05.061.2020097222704.hdf"
#[2] "MCD18A1.A2001001.h16v05.061.2020097221515.hdf"
#
#$A2001002
#[1] "MCD18A1.A2001002.h15v05.061.2020079205554.hdf"
#[2] "MCD18A1.A2001002.h16v05.061.2020079205717.hdf"

---

正则表达式解释

正则表达式分为三个部分。

1. ^[^\\.]*\\.
   • ^ 第一个抑扬符标记字符串的开始；
   • ^[^\\.] 开头，一个类否定一个点（第二个 ^）。点是元字符，因此必须转义，\\.;
   • 开头没有点的序列重复了零次或多次 (*);
   • 上一个序列以点 \\. 结尾。
2. ([^\\.]+) 是一个捕获组。
   • [^\\.] 没有点的类，如上；
   • [^\\.]+ 至少重复了一次 (+)。
3. \\..*$"
   • \\. 以一个点开头
   • \\..*$ 任何字符重复零次或多次直到结束 ($)。

sub 替换的是捕获组，括号之间的内容本身就是 \\1。这会丢弃其他所有内容。

---

数据

s <- "
MCD18A1.A2001001.h15v05.061.2020097222704.hdf
MCD18A1.A2001001.h16v05.061.2020097221515.hdf
MCD18A1.A2001002.h15v05.061.2020079205554.hdf
MCD18A1.A2001002.h16v05.061.2020079205717.hdf"
s <- scan(text = s,what = character())

,

您希望如何组织结果？

这是一个解决方案：

files <- c("MCD18A1.A2001001.h15v05.061.2020097222704.hdf","MCD18A1.A2001001.h16v05.061.2020097221515.hdf","MCD18A1.A2001002.h15v05.061.2020079205554.hdf","MCD18A1.A2001002.h16v05.061.2020079205717.hdf")

unique_date <- unique(sub("^[^\\.]*\\.([^\\.]+)\\..*$",files))
# (credit to Rui Barradas for the nice regular expression)

grouped_files <- lapply(unique_date,function(x){files[grepl(x,files)]})

names(grouped_files) <- unique_date

> grouped_files
# $A2001001
# [1] "MCD18A1.A2001001.h15v05.061.2020097222704.hdf"  "MCD18A1.A2001001.h16v05.061.2020097221515.hdf"

# $A2001002
# [1] "MCD18A1.A2001002.h15v05.061.2020079205554.hdf"  "MCD18A1.A2001002.h16v05.061.2020079205717.hdf"