是否可以将具有多个小数点的数字视为数字来检查 R 中列和排序列中存在的字母字符？

Question

我有一个数据框，其中一列的数字混合了整数、数字和多个小数点（例如，3、1.1、1.2.1、1.2.2.3）。我有两个问题：

1. 如何检查以确保列中仅使用数字（即不存在字符）？如果存在字符，那么是哪几行？
2. R 中有没有办法将这些视为数字以便对列进行排序？

最小示例

数据

library(dplyr)

df <-
  structure(list(
    index = 1:15,
    section = c("2.1.1", "2.1.1", "2.1.2.4", "2.1.3", "2.1.2.9", "2.1.4", 
                "2.1.4", "2.1.4", "3", "3", "4", "1.1", "1.5", "1.5", "b.1")),
  class = "data.frame",
  row.names = c(NA,-15L))

我的尝试

如果我尝试将列设为数字，那么它将带多个小数点的数字强制为NA。

> as.numeric(df$section)
 [1]  NA  NA  NA  NA  NA  NA  NA  NA 3.0 3.0 4.0 1.1 1.5 1.5

警告信息：强制引入的 NAs

然后，为了测试列中的字符，我知道如果我只有整数或常规数值，我可以这样做来测试哪些行有字符（不包括 NA）：

# Check for which (if any) rows have NAs.
na.index <- which(is.na(df$section))

# Find any rows that are character, excluding NAs (hence the setdiff).
index <- which(is.na(as.numeric(as.character(df$section)))) %>%
  setdiff(na.index)

# Output
index

[1]  1  2  3  4  5  6  7  8 15

在这里，它将任何带有多个小数的数字视为字符（以及带有字母的数字）。因此，我希望能够将多个十进制数字视为数字，然后将 b.1 标记为字符。我可以创建一个新列来区分这些。

对于排序，base sort 似乎会正确排列它们，但不确定这是否一直有效。

sort(df$section)

#Output
[1] "1.1"     "1.5"     "1.5"     "2.1.1"   "2.1.1"   "2.1.2.4" "2.1.2.9" "2.1.3"   
"2.1.4"   "2.1.4"   "2.1.4"   "3"       "3"       "4"       "b.1" 

这是我的预期输出（考虑到排序和检查字母字符）。排序时，如果节号相同，则可以按索引列排序（值小者先排序）。

预期输出

   index section      type
1     12     1.1   numeric
2     13     1.5   numeric
3     14     1.5   numeric
4      1   2.1.1   numeric
5      2   2.1.1   numeric
6      3 2.1.2.4   numeric
7      5 2.1.2.9   numeric
8      4   2.1.3   numeric
9      6   2.1.4   numeric
10     7   2.1.4   numeric
11     8   2.1.4   numeric
12     9       3   numeric
13    10       3   numeric
14    11       4   numeric
15    15     b.1 character

我在 Java (here) 等其他语言中看到了一些关于 SO 的讨论，但不确定如何在 R 中处理它，特别是因为每行中的小数位数不同。

Answer 1

我们可以使用str_detect 来检查仅数字元素，并使用arrange 基于使用mixedsort 对“部分”进行排序

library(dplyr)
library(stringr)
df %>% 
    mutate(type = c("character", "numeric")[1 +
        str_detect(section, "^[0-9.]+$")])%>%
    arrange(match(section, gtools::mixedsort(section)))

-输出

index section      type
1     12     1.1   numeric
2     13     1.5   numeric
3     14     1.5   numeric
4      1   2.1.1   numeric
5      2   2.1.1   numeric
6      3 2.1.2.4   numeric
7      5 2.1.2.9   numeric
8      4   2.1.3   numeric
9      6   2.1.4   numeric
10     7   2.1.4   numeric
11     8   2.1.4   numeric
12     9       3   numeric
13    10       3   numeric
14    11       4   numeric
15    15     b.1 character

Answer 2

我们可以使用str_detect 来检查字符串中是否有任何字母。要对列进行排序，请使用arrange:

library(dplyr)
library(stringr)
df %>% 
    mutate(test = str_detect(section, "[a-zA-Z]")) %>% 
    arrange(section)

输出：

  index section  test
1     12     1.1 FALSE
2     13     1.5 FALSE
3     14     1.5 FALSE
4      1   2.1.1 FALSE
5      2   2.1.1 FALSE
6      3 2.1.2.4 FALSE
7      5 2.1.2.9 FALSE
8      4   2.1.3 FALSE
9      6   2.1.4 FALSE
10     7   2.1.4 FALSE
11     8   2.1.4 FALSE
12     9       3 FALSE
13    10       3 FALSE
14    11       4 FALSE
15    15     b.1  TRUE