用数字替换字符串，除了 R 数据框中包含 2020 或 2021 的字符串答案

【问题标题】：Replace strings with numbers except those that contains 2020 or 2021 in R data frame用数字替换字符串，除了 R 数据框中包含 2020 或 2021 的字符串
【发布时间】：2021-06-08 18:46:37
【问题描述】：

我有一个要过滤的二元组列表。想要删除所有带数字的二元组，包含 2021 或 2020 的二元组除外

cat <- seq(1,7)
bg <- c("2021 test", "z1 trip", "00034 job","18 mar", "2021 day","business unit", "cycle work")
df <- data.frame(cat,bg)

我尝试过嵌套的 grepl，但它不起作用

df %>% filter(!grepl("[[:digit:]]",!grepl("2020|2021",bg)))

预期的输出是：

【问题讨论】：

标签： r regex dataframe filter

【解决方案1】：

我们可以使用非常简单的正则表达式模式来检查是否有 4 位数字 (\\b\\d{4}]]b) 或 (|) 如果从开始 (^) 到结束没有数字($) 的字符串

library(dplyr)
library(stringr)
df %>%
   filter(str_detect(bg, '\\b\\d{4}\\b|^[^0-9]+$')) %>%
   mutate(cat = row_number())

输出

#  cat            bg
#1   1     2021 test
#2   2      2021 day
#3   3 business unit
#4   4    cycle work

如果还有其他数字，例如“0004”，并且只想要那些以“20”开头的数字

df %>%
   filter(str_detect(bg, '\\b20\\d{2}\\b|^[^0-9]+$')) %>%
   mutate(cat = row_number())

【讨论】：

【解决方案2】：

一个简单的方法是：

subset(df, grepl("2021|2020", bg)|!grepl("\\d", bg))
#   cat            bg
# 1   1     2021 test
# 5   5      2021 day
# 6   6 business unit
# 7   7    cycle work

【讨论】：