时间戳

首页 > 解决方案 > 如何用括号提取化学式中每个元素的数量，并将它们创建成列？

r - 如何用括号提取化学式中每个元素的数量，并将它们创建成列？

问题描述

嗨，我正在尝试从化学公式中提取一些信息并将它们添加到 r 上的预先存在的表中。目前我有一列具有如图所示的化学式（C4H8O2）。我可以毫无问题地提取每个元素及其对应的数字。但是，当公式中涉及括号时，我遇到了问题，例如 C3[13]C1H8O2。我希望标题说 13[C] 并且输入为 1。但是我的代码无法识别 '[13]C1' 所以它给了我一个错误。

任何建议都会很棒。

#First manipuation - extracting information out of the "Composition" column, into seperated columns for each element

data2 <- dataframe%>%mutate(Composition=gsub("\\b([A-Za-z]+)\\b","\\11",Composition),
              name=str_extract_all(Composition,"[A-Za-z]+"),
              value=str_extract_all(Composition,"\\d+"))%>%
   unnest()%>%spread(name,value,fill=0)

我已经有一个预制的 csv 文件，其中组织了表格，并将其制作成一个数据框，所以现在我只是试图用“C”列和“[13]C”列来划分元素及其对应的编号。

标签： rregexformula

解决方案

以下正则表达式应提取同位素数、元素和原子数。

library(stringr)
str_match_all( "C3[13]C1H8O2", "(\\[[0-9]+\\])?([A-Za-z]+)([0-9]+)" )
## [[1]]
##      [,1]     [,2]   [,3] [,4]
## [1,] "C3"     NA     "C"  "3" 
## [2,] "[13]C1" "[13]" "C"  "1" 
## [3,] "H8"     NA     "H"  "8" 
## [4,] "O2"     NA     "O"  "2"

使用data.frame：

library(tidyr)
library(dplyr)
d <- data.frame( Composition = c( "H2O1", "C3[13]C1H8O2" ) )
pattern <- "(\\[[0-9]+\\])?([A-Za-z]+)([0-9]+)"
d %>%
  mutate( Details = lapply( str_match_all( Composition, pattern ), as.data.frame ) ) %>%
  unnest() %>%
  transmute(
    Composition,
    element = paste0( ifelse(is.na(V2),"",V2), V3 ),
    number = V4
  ) %>% 
  spread(key="element", value="number") %>%
  replace(., is.na(.), 0)

##    Composition [13]C C H O
## 1 C3[13]C1H8O2     1 3 8 2
## 2         H2O1     0 0 2 1

推荐阅读