R 琴弦清洁答案

【问题标题】：R string cleaningR 琴弦清洁
【发布时间】：2023-03-10 19:21:01
【问题描述】：

我正在处理一些非常混乱的字符串，如下所示

 Value
 -------------------
 25 
 32.12 .  (05- 
 33.90 ,
 46.70 ,
 () 26.60
 27.2  
 23.24 .  (12-
 36.52 ,
 27.1814404432133 [
 29.73 .  (22-
 31.8058003525076 [
 35.40 ,
 38.44 . 
 46.14 ,
 29.26 [
 25.44 .

我不确定如何有效地清理它，使其看起来像这样。

 Value
 -------------------
 25 
 32.12  
 33.90
 46.70
 26.60
 27.2  
 23.24
 36.52
 27.1814404432133
 29.73
 31.8058003525076
 35.40
 38.44
 46.14
 29.26
 25.44

我尝试使用子函数 sub(" .*", '', Value) 来捕获空格之前的所有内容，但这不起作用，因此寻找一些有关如何清理此字符串的建议或提示。

Value <- c(" 25 \n", "  32.12 .  (05-", "33.90 ,\n", "46.70 ,\n", " () 26.60 ", 
           " 27.2  ", "  23.24 .  (12-", "36.52 ,\n", " 27.1814404432133\n\n[", 
           "  29.73 .  (22-", " 31.8058003525076\n\n[", "35.40 ,\n", "  38.44 .\n", 
           "46.14 ,\n", " 29.26\n\n[", "  25.44 .\n")
df <- data.frame(Value)

【问题讨论】：

标签： r regex string gsub data-cleaning

【解决方案1】：

您可以使用提取第一个数字

Value <- c(" 25 \n", "  32.12 .  (05-", "33.90 ,\n", "46.70 ,\n", " () 26.60 ", 
           " 27.2  ", "  23.24 .  (12-", "36.52 ,\n", " 27.1814404432133\n\n[", 
           "  29.73 .  (22-", " 31.8058003525076\n\n[", "35.40 ,\n", "  38.44 .\n", 
           "46.14 ,\n", " 29.26\n\n[", "  25.44 .\n")
df <- data.frame(Value) 
df$Value <- sub(".*?(\\d[0-9.]*).*", "\\1", df$Value)

见R demo online

详情

.*? - 任何 0+ 个字符，尽可能少
(\\d[0-9.]*) - 第 1 组捕获任何数字 (\\d)，然后是 0+ 数字或 . 符号
.* - 直到字符串末尾的任何 0+ 个字符。

sub 函数执行单个替换，\1 反向引用保存捕获到组 1 中的值。

如果您想确保只提取 digit(s) + ( . + digit(s) ) * 模式，您可以使用

df$Value <- sub(".*?(\\d+(?:\\.\\d+)?).*", "\\1", df$Value)

见this R demo

【讨论】：

啊，我过去尝试过 sub(".*?(\[0-9.]*).*", "\\1", df$Value) 选项但错过了一些参数现在我知道缺少了什么。谢谢。

【解决方案2】：

你可以试试这个：

library("stringr")

str_extract(df$Value, "(\\d|\\.)+")

【讨论】：

【解决方案3】：

我们可以从base R使用regmatches/regexpr

as.numeric(regmatches(df$Value, regexpr("[0-9][0-9.]*", df$Value)))

【讨论】：