使用 stringr 或 gsub 在字符数据的开头附加一个数字答案

【问题标题】：Append a digit at the beginning of character data using stringr or gsub使用 stringr 或 gsub 在字符数据的开头附加一个数字
【发布时间】：2019-08-08 11:04:45
【问题描述】：

我有一个名为DATA_TEST的数据集。这个数据框包含6个字符格式的观察值。您可以看到下表。

dput(DATA_TEST)
structure(list(Ten_digits = c("NA", "207", "0101", "0208 90", 
"0206 90 99 00", "103")), .Names = "Ten_digits", row.names = c(NA, 
-6L), class = "data.frame")
# -------------------------------------------------------------------------
# > DATA_TEST
#       Ten_digits
# 1            NA
# 2           207
# 3          0101
# 4       0208 90
# 5 0206 90 99 00
# 6           103

所以我的意图是使用 stringr 或其他包转换此数据帧，如下图所示。实际上代码需要做一件事或更精确首先必须找到只有三位数的变量，如207 或103，并将此变量转换为0207 和0103。在下表中，您最终可以看到该表应该是什么样子。

# > Desired Output
#       Ten_digits
# 1            NA
# 2          0207
# 3          0101
# 4       0208 90
# 5 0206 90 99 00
# 6          0103

那么有人可以帮我处理这段代码吗？

【问题讨论】：

有像234 45 56这样的值需要转换成0234 45 56吗？
好吧，好像DATA_TEST$Ten_digits <- sub("^(\\d{3})$", "0\\1", DATA_TEST$Ten_digits, perl=TRUE) 也可以。
不，只有三位数的值，比如 207。你可以在第二张表上看到

标签： r string gsub

【解决方案1】：

您可以使用带有sub 的简单正则表达式：

DATA_TEST<-data.frame(Ten_digits=c("NA","207","0101","0208 90","0206 90 99 00","103"),stringsAsFactors = FALSE)
DATA_TEST$Ten_digits <- sub("^(\\d{3})$", "0\\1", DATA_TEST$Ten_digits)
DATA_TEST
## => Ten_digits
1            NA
2          0207
3          0101
4       0208 90
5 0206 90 99 00
6          0103

这里，^(\\d{3})$ 匹配一个三位数的字符串并将数字捕获到第 1 组（因为模式在括号内），0\1 替换模式插入 0 并将整个匹配值添加回第 1 组.

模式详情

^ - 字符串开头
(\d{3}) - 第 1 组：三位数字
$ - 字符串结束。

【讨论】：

【解决方案2】：

你可以从stringr使用str_length：

library(tidyverse) # in order to load all required packages at once

DATA_TEST %>% 
  mutate(Ten_digits = case_when(
    str_length(Ten_digits) == 3 ~ paste0("0", Ten_digits),
    TRUE ~ Ten_digits
    ))

# Ten_digits
#1            NA
#2          0207
#3          0101
#4       0208 90
#5 0206 90 99 00
#6          0103

str_length 允许您向量化字符向量的长度：来自function's documentation：

Technically this returns the number of "code points", in a string. One code point usually corresponds to one character(...).

case_when 允许向量化多个if_else 语句。

如cmets中所说，可以使用ifelse或if_else，比case_when更直接。请参阅下面的微基准测试示例：

microbenchmark::microbenchmark(
  DATA_TEST %>% 
    mutate(Ten_digits = case_when(
      str_length(Ten_digits) == 3 ~ paste0("0", Ten_digits),
      TRUE ~ Ten_digits
    )),
  DATA_TEST %>% 
    mutate(Ten_digits = ifelse(
      str_length(Ten_digits) == 3, paste0("0", Ten_digits),
      Ten_digits
    )),
  DATA_TEST %>% 
    mutate(Ten_digits = if_else(
      str_length(Ten_digits) == 3, paste0("0", Ten_digits),
      Ten_digits
    ))
)

#     min       lq      mean  median       uq      max neval
# 785.809 806.9130 1051.9314 858.217 1193.865 2445.434   100  # case_when
# 613.398 623.3985  862.6720 636.858  822.027 8610.763   100  # ifelse
# 625.485 641.1370  822.3502 664.135  894.812 1995.932   100  # if_else

【讨论】：

为什么投反对票？它使用它要求的包完全满足 OP 的要求。
也许我没有完全理解这个问题。您是否期望有更多的条件进行测试？如果没有，ifelse/if_else 会更短更直接
我回答了 OP 的问题。你可以用不同的方式做同样的事情，但这不是拒绝投票的理由。如果您将鼠标悬停在downvoting 上，您将看到this answer is not useful，它显然是这样。无论如何，我编辑了我的帖子。
我实际上赞成它。我认为这是一个很好的答案；如果我现在可以在您添加基准后再次投票，我会的。我真的只是指我问的问题，即您是否要留出空间以适应更多条件

【解决方案3】：

我们可以简单地通过在 3 个字符的字符串前面粘贴 0 来做到这一点，即

DATA_TEST$Ten_digits[nchar(DATA_TEST$Ten_digits) == 3] <- paste0("0", DATA_TEST$Ten_digits[nchar(DATA_TEST$Ten_digits) == 3])
DATA_TEST

#     Ten_digits
#1            NA
#2          0207
#3          0101
#4       0208 90
#5 0206 90 99 00
#6          0103

【讨论】：

【解决方案4】：

您可以从stingr 使用str_pad。请注意，它将填充长度小于 4 个字符的任何字符串，因此如果您特别想关注长度为 3 的字符串，则需要修改代码。此外，如果您有文字 NA，则不需要 ifelse的“NA”。 -

DATA_TEST %>% 
  mutate(
    Ten_digits = ifelse(Ten_digits == "NA", "NA", str_pad(Ten_digits, width = 4, pad = 0))
  )

     Ten_digits
1            NA
2          0207
3          0101
4       0208 90
5 0206 90 99 00
6          0103

【讨论】：