使用R从具有字符串和数字数据的变量中提取数字

Question

我正在尝试从 R 中数据框中的变量中提取数字，其中包括数字和文本。这是变量的示例：

ID  X

1   1 sandwich 2 hamburger

2   1 sandwich 4 salad 5 soda 7 soup

3   0 chicken wings

4   n/a

5   n/a

我在文本中有几个数字，并且数字/文本的数量是不均匀的。我只能通过执行以下操作来提取数字：

x_numbers <- regmatches(df$X, gregexpr("[[:digit:]]+", df$X))

我现在有一个将这些作为角色对象的列表。问题是我需要这些值在同一个数据框中，所以它们连接到同一个 ID（即同一行）。我需要的是以下内容：

ID X   X2  X3  X4

1  1   2   na  na

2  1   4   5   7

3  0   na  na  na

4  na  na  na  na

5  na  na  na  na

关于如何最好地做到这一点，以使数据仍然与 ID 相关联并按列分隔，以便在未来的分析中使用，您有什么想法吗？我对这些数据有超过 3000 次观察。谢谢！

Answer 1

这是您的数据：

df <- data.frame(ID = 1:5,
                 X = c("1 sandwich 2 hamburger",
                       "1 sandwich 4 salad 5 soda 7 soup",
                       "0 chicken wings", 
                       NA, 
                       NA))

注意：如果您使用 R>4.0，则无需指定 stringsAsFactors = FALSE，因为它是新的默认值。

脏但有效

library(dplyr) # only with version > 1.0
library(stringr)

df %>% 
  summarise(ID = ID,
            as.data.frame(do.call(rbind, str_extract_all(X, "[[:digit:]+]") %>% 
              lapply(`length<-`, max(lengths(.))))))

#>   ID   V1   V2   V3   V4
#> 1  1    1    2 <NA> <NA>
#> 2  2    1    4    5    7
#> 3  3    0 <NA> <NA> <NA>
#> 4  4 <NA> <NA> <NA> <NA>
#> 5  5 <NA> <NA> <NA> <NA>  

额外的想法

我想指出，如果需要，您仍然可以保留有关文本的信息。 [这只是为了帮助你提供一些新的想法]

library(tidyr)
library(dplyr)

tmp <- df %>% 
  separate_rows(X, sep = "(?<=.)(?=[[:digit:]+])") %>% 
  separate(X, c("n", "txt"), sep = " ", extra = "merge")
tmp
#> # A tibble: 9 x 3
#>      ID n     txt            
#>   <int> <chr> <chr>          
#> 1     1 1     "sandwich "    
#> 2     1 2     "hamburger"    
#> 3     2 1     "sandwich "    
#> 4     2 4     "salad "       
#> 5     2 5     "soda "        
#> 6     2 7     "soup"         
#> 7     3 0     "chicken wings"
#> 8     4 <NA>   <NA>          
#> 9     5 <NA>   <NA>

鉴于此，您可以使用以下代码获得所需的结果：

tmp %>%
  group_by(ID) %>% 
  mutate(x = row_number()) %>% 
  ungroup() %>% 
  select(-txt) %>% 
  pivot_wider(names_from = x, values_from = n, names_prefix = "X")
#> # A tibble: 5 x 5
#>      ID X1    X2    X3    X4   
#>   <int> <chr> <chr> <chr> <chr>
#> 1     1 1     2     <NA>  <NA> 
#> 2     2 1     4     5     7    
#> 3     3 0     <NA>  <NA>  <NA> 
#> 4     4 <NA>  <NA>  <NA>  <NA> 
#> 5     5 <NA>  <NA>  <NA>  <NA>

Answer 2

在基础 R 中，您可以这样做：

read.table(text=gsub("\\D+", " ", df[,2]), fill=TRUE)

  V1 V2 V3 V4
1  1  2 NA NA
2  1  4  5  7
3  0 NA NA NA
4 NA NA NA NA
5 NA NA NA NA
6 NA NA NA NA

Answer 3

my_data %>%
  mutate(x = str_extract_all(X, "[[:digit:]]+", simplify = TRUE))


  ID                                X  x.1 x.2 x.3 x.4
1  1           1 sandwich 2 hamburger    1   2        
2  2 1 sandwich 4 salad 5 soda 7 soup    1   4   5   7
3  3                  0 chicken wings    0            
4  4                             <NA> <NA>            
5  5                             <NA> <NA>            
6 NA                             <NA> <NA> 

源数据

my_data <- data.frame(
  stringsAsFactors = FALSE,
                ID = c(1L, 2L, 3L, 4L, 5L, NA),
                 X = c("1 sandwich 2 hamburger",
                       "1 sandwich 4 salad 5 soda 7 soup","0 chicken wings",NA,
                       NA,NA)
)