Mam taki ciąg:
years<-c("20 years old", "1 years old")
Chciałbym zebrać tylko liczbę liczbową z tego wektora. Oczekiwanym wynikiem jest wektor:
c(20, 1)
Jak mam to zrobić?
Mam taki ciąg:
years<-c("20 years old", "1 years old")
Chciałbym zebrać tylko liczbę liczbową z tego wektora. Oczekiwanym wynikiem jest wektor:
c(20, 1)
Jak mam to zrobić?
Odpowiedzi:
Co powiesz na
# pattern is by finding a set of numbers in the start and capturing them
as.numeric(gsub("([0-9]+).*$", "\\1", years))
lub
# pattern is to just remove _years_old
as.numeric(gsub(" years old", "", years))
lub
# split by space, get the element in first index
as.numeric(sapply(strsplit(years, " "), "[[", 1))
.*
jest konieczne, ponieważ musisz dopasować cały ciąg. Bez tego nic nie zostanie usunięte. Zwróć też uwagę, że sub
można tego użyć zamiast gsub
.
gsub(".*?([0-9]+).*", "\\1", years)
gsub(".*?([0-9]+).*?", "\\1", "Jun. 27–30")
Wynik: [1] „2730” gsub(".*?([0-9]+)\\-.*?", "\\1", "Jun. 27–30")
Wynik: [1] „27 czerwca –30 ”
Myślę, że podstawienie jest pośrednim sposobem dojścia do rozwiązania. Jeśli chcesz odzyskać wszystkie numery, polecam gregexpr
:
matches <- regmatches(years, gregexpr("[[:digit:]]+", years))
as.numeric(unlist(matches))
Jeśli masz wiele dopasowań w ciągu, otrzymasz je wszystkie. Jeśli interesuje Cię tylko pierwsze dopasowanie, użyj regexpr
zamiast gregexpr
i możesz pominąć unlist
.
gregexpr
, regexpr
czy jedno i drugie?
gregexpr
. Nie próbowałem regexpr
aż do teraz. Duża różnica. Użycie regexpr
stawia go pomiędzy rozwiązaniami Andrew i Aruna (drugi najszybszy) w zestawie 1e6. Być może również interesujące, użycie sub
w rozwiązaniu Andrew nie poprawia szybkości.
Aktualizacja
Ponieważ extract_numeric
jest przestarzała, możemy użyć parse_number
z readr
pakietu.
library(readr)
parse_number(years)
Oto inna opcja z extract_numeric
library(tidyr)
extract_numeric(years)
#[1] 20 1
parse_number
że nie gra z liczbami ujemnymi. Spróbuj parse_number("–27,633")
readr::parse_number("-12,345") # [1] -12345
Ty też możesz pozbyć się wszystkich liter:
as.numeric(gsub("[[:alpha:]]", "", years))
Prawdopodobnie jest to jednak mniej generalizowalne.
Wyodrębnij liczby z dowolnego ciągu na pozycji początkowej.
x <- gregexpr("^[0-9]+", years) # Numbers with any number of digits
x2 <- as.numeric(unlist(regmatches(years, x)))
Wyodrębnij liczby z dowolnego ciągu NIEZALEŻNEGO od pozycji.
x <- gregexpr("[0-9]+", years) # Numbers with any number of digits
x2 <- as.numeric(unlist(regmatches(years, x)))
Możemy również użyć str_extract
fromstringr
years<-c("20 years old", "1 years old")
as.integer(stringr::str_extract(years, "\\d+"))
#[1] 20 1
Jeśli w ciągu znajduje się wiele liczb i chcemy wyodrębnić je wszystkie, możemy użyć funkcji, str_extract_all
która w przeciwieństwie do str_extract
zwraca wszystkie makty.
years<-c("20 years old and 21", "1 years old")
stringr::str_extract(years, "\\d+")
#[1] "20" "1"
stringr::str_extract_all(years, "\\d+")
#[[1]]
#[1] "20" "21"
#[[2]]
#[1] "1"
Po wpisie od Gabora Grothendiecka wpis na listę mailingową r-help
years<-c("20 years old", "1 years old")
library(gsubfn)
pat <- "[-+.e0-9]*\\d"
sapply(years, function(x) strapply(x, pat, as.numeric)[[1]])
Odklejając paczkę możemy:
# install.packages("unglue")
library(unglue)
years<-c("20 years old", "1 years old")
unglue_vec(years, "{x} years old", convert = TRUE)
#> [1] 20 1
Utworzono 06.11.2019 przez pakiet reprex (v0.3.0)
Więcej informacji: https://github.com/moodymudskipper/unglue/blob/master/README.md
.*
konieczne? Jeśli chcesz je mieć na początku, dlaczego nie użyć^[[:digit:]]+
?