Wyodrębnianie liczb z wektorów łańcuchów

Question 1

Mam taki ciąg:

years<-c("20 years old", "1 years old")

Chciałbym zebrać tylko liczbę liczbową z tego wektora. Oczekiwanym wynikiem jest wektor:

c(20, 1)

Jak mam to zrobić?

Question 2

Co powiesz na

# pattern is by finding a set of numbers in the start and capturing them
as.numeric(gsub("([0-9]+).*$", "\\1", years))

lub

# pattern is to just remove _years_old
as.numeric(gsub(" years old", "", years))

lub

# split by space, get the element in first index
as.numeric(sapply(strsplit(years, " "), "[[", 1))

Question 3

Myślę, że podstawienie jest pośrednim sposobem dojścia do rozwiązania. Jeśli chcesz odzyskać wszystkie numery, polecam gregexpr:

matches <- regmatches(years, gregexpr("[[:digit:]]+", years))
as.numeric(unlist(matches))

Jeśli masz wiele dopasowań w ciągu, otrzymasz je wszystkie. Jeśli interesuje Cię tylko pierwsze dopasowanie, użyj regexprzamiast gregexpri możesz pominąć unlist.

Question 4

Aktualizacja Ponieważ extract_numericjest przestarzała, możemy użyć parse_numberz readrpakietu.

library(readr)
parse_number(years)

Oto inna opcja z extract_numeric

library(tidyr)
extract_numeric(years)
#[1] 20  1

Question 5

Oto alternatywa dla pierwszego rozwiązania Arun, z prostszym wyrażeniem regularnym podobnym do Perla:

as.numeric(gsub("[^\\d]+", "", years, perl=TRUE))

Question 6

Lub po prostu:

as.numeric(gsub("\\D", "", years))
# [1] 20  1

Question 7

Rozwiązanie stringrrurociągowe:

library(stringr)
years %>% str_match_all("[0-9]+") %>% unlist %>% as.numeric

Question 8

Ty też możesz pozbyć się wszystkich liter:

as.numeric(gsub("[[:alpha:]]", "", years))

Prawdopodobnie jest to jednak mniej generalizowalne.

Question 9

Wyodrębnij liczby z dowolnego ciągu na pozycji początkowej.

x <- gregexpr("^[0-9]+", years)  # Numbers with any number of digits
x2 <- as.numeric(unlist(regmatches(years, x)))

Wyodrębnij liczby z dowolnego ciągu NIEZALEŻNEGO od pozycji.

x <- gregexpr("[0-9]+", years)  # Numbers with any number of digits
x2 <- as.numeric(unlist(regmatches(years, x)))

Question 10

Możemy również użyć str_extractfromstringr

years<-c("20 years old", "1 years old")
as.integer(stringr::str_extract(years, "\\d+"))
#[1] 20  1

Jeśli w ciągu znajduje się wiele liczb i chcemy wyodrębnić je wszystkie, możemy użyć funkcji, str_extract_allktóra w przeciwieństwie do str_extractzwraca wszystkie makty.

years<-c("20 years old and 21", "1 years old")
stringr::str_extract(years, "\\d+")
#[1] "20"  "1"

stringr::str_extract_all(years, "\\d+")

#[[1]]
#[1] "20" "21"

#[[2]]
#[1] "1"

Question 11

Po wpisie od Gabora Grothendiecka wpis na listę mailingową r-help

years<-c("20 years old", "1 years old")

library(gsubfn)
pat <- "[-+.e0-9]*\\d"
sapply(years, function(x) strapply(x, pat, as.numeric)[[1]])

Question 12

Odklejając paczkę możemy:

# install.packages("unglue")
library(unglue)

years<-c("20 years old", "1 years old")
unglue_vec(years, "{x} years old", convert = TRUE)
#> [1] 20  1

^{Utworzono 06.11.2019 przez pakiet reprex (v0.3.0)}

Więcej informacji: https://github.com/moodymudskipper/unglue/blob/master/README.md

Answer 1

103

Mam taki ciąg:

years<-c("20 years old", "1 years old")

Chciałbym zebrać tylko liczbę liczbową z tego wektora. Oczekiwanym wynikiem jest wektor:

c(20, 1)

Jak mam to zrobić?

regex r user1471980
źródło

Answer 2

87

Co powiesz na

# pattern is by finding a set of numbers in the start and capturing them
as.numeric(gsub("([0-9]+).*$", "\\1", years))

lub

# pattern is to just remove _years_old
as.numeric(gsub(" years old", "", years))

lub

# split by space, get the element in first index
as.numeric(sapply(strsplit(years, " "), "[[", 1))

Bieg
źródło

1

Dlaczego jest to .*konieczne? Jeśli chcesz je mieć na początku, dlaczego nie użyć ^[[:digit:]]+?

sebastian-c

2

.*jest konieczne, ponieważ musisz dopasować cały ciąg. Bez tego nic nie zostanie usunięte. Zwróć też uwagę, że submożna tego użyć zamiast gsub.

Matthew Lundberg

14

jeśli liczba nie musi znajdować się na początku ciągu, użyj tego:gsub(".*?([0-9]+).*", "\\1", years)

TMS

Chcę otrzymać 27. Nie rozumiem dlaczego, dodając warunki (np. Dodając znak „-” ze znakiem ucieczki, wynik jest dłuższy… gsub(".*?([0-9]+).*?", "\\1", "Jun. 27–30")Wynik: [1] „2730” gsub(".*?([0-9]+)\\-.*?", "\\1", "Jun. 27–30")Wynik: [1] „27 czerwca –30 ”

Lionel Trebuchon

Answer 3

1

Dlaczego jest to .*konieczne? Jeśli chcesz je mieć na początku, dlaczego nie użyć ^[[:digit:]]+?

sebastian-c

Answer 4

2

.*jest konieczne, ponieważ musisz dopasować cały ciąg. Bez tego nic nie zostanie usunięte. Zwróć też uwagę, że submożna tego użyć zamiast gsub.

Matthew Lundberg

Answer 5

14

jeśli liczba nie musi znajdować się na początku ciągu, użyj tego:gsub(".*?([0-9]+).*", "\\1", years)

TMS

Answer 6

Chcę otrzymać 27. Nie rozumiem dlaczego, dodając warunki (np. Dodając znak „-” ze znakiem ucieczki, wynik jest dłuższy… gsub(".*?([0-9]+).*?", "\\1", "Jun. 27–30")Wynik: [1] „2730” gsub(".*?([0-9]+)\\-.*?", "\\1", "Jun. 27–30")Wynik: [1] „27 czerwca –30 ”

Lionel Trebuchon

Answer 7

66

Myślę, że podstawienie jest pośrednim sposobem dojścia do rozwiązania. Jeśli chcesz odzyskać wszystkie numery, polecam gregexpr:

matches <- regmatches(years, gregexpr("[[:digit:]]+", years))
as.numeric(unlist(matches))

Jeśli masz wiele dopasowań w ciągu, otrzymasz je wszystkie. Jeśli interesuje Cię tylko pierwsze dopasowanie, użyj regexprzamiast gregexpri możesz pominąć unlist.

Sebastian-c
źródło

1

Nie spodziewałem się tego, ale to rozwiązanie jest wolniejsze niż inne, o rząd wielkości.

Matthew Lundberg

@MatthewLundberg gregexpr, regexprczy jedno i drugie?

sebastian-c

1

gregexpr. Nie próbowałem regexpraż do teraz. Duża różnica. Użycie regexprstawia go pomiędzy rozwiązaniami Andrew i Aruna (drugi najszybszy) w zestawie 1e6. Być może również interesujące, użycie subw rozwiązaniu Andrew nie poprawia szybkości.

Matthew Lundberg

Dzieli się na podstawie miejsc dziesiętnych. Na przykład 2,5 staje się c ('2', '5')

MBorg

Answer 8

1

Nie spodziewałem się tego, ale to rozwiązanie jest wolniejsze niż inne, o rząd wielkości.

Matthew Lundberg

Answer 9

@MatthewLundberg gregexpr, regexprczy jedno i drugie?

sebastian-c

Answer 10

1

gregexpr. Nie próbowałem regexpraż do teraz. Duża różnica. Użycie regexprstawia go pomiędzy rozwiązaniami Andrew i Aruna (drugi najszybszy) w zestawie 1e6. Być może również interesujące, użycie subw rozwiązaniu Andrew nie poprawia szybkości.

Matthew Lundberg

Answer 11

Dzieli się na podstawie miejsc dziesiętnych. Na przykład 2,5 staje się c ('2', '5')

MBorg

Answer 12

66

Aktualizacja Ponieważ extract_numericjest przestarzała, możemy użyć parse_numberz readrpakietu.

library(readr)
parse_number(years)

Oto inna opcja z extract_numeric

library(tidyr)
extract_numeric(years)
#[1] 20  1

akrun
źródło

2

W porządku dla tej aplikacji, ale pamiętaj, parse_numberże nie gra z liczbami ujemnymi. Spróbuj parse_number("–27,633")

Pokrzywa

@Nettle Tak, zgadza się i nie zadziała, jeśli jest również wiele instancji

akrun,

3

Naprawiono błąd parsowania liczb ujemnych: github.com/tidyverse/readr/issues/308 readr::parse_number("-12,345") # [1] -12345

Russ Hyde

Answer 13

2

W porządku dla tej aplikacji, ale pamiętaj, parse_numberże nie gra z liczbami ujemnymi. Spróbuj parse_number("–27,633")

Pokrzywa

Answer 14

@Nettle Tak, zgadza się i nie zadziała, jeśli jest również wiele instancji

akrun,

Answer 15

3

Naprawiono błąd parsowania liczb ujemnych: github.com/tidyverse/readr/issues/308 readr::parse_number("-12,345") # [1] -12345

Russ Hyde

Answer 16

35

Oto alternatywa dla pierwszego rozwiązania Arun, z prostszym wyrażeniem regularnym podobnym do Perla:

as.numeric(gsub("[^\\d]+", "", years, perl=TRUE))

Andrzej
źródło

as.numeric(sub("\\D+","",years)). Jeśli były listy przed i | lub po, togsub

Onyambu

Answer 17

as.numeric(sub("\\D+","",years)). Jeśli były listy przed i | lub po, togsub

Onyambu

Answer 18

21

Lub po prostu:

as.numeric(gsub("\\D", "", years))
# [1] 20  1

989
źródło

Answer 19

19

Rozwiązanie stringrrurociągowe:

library(stringr)
years %>% str_match_all("[0-9]+") %>% unlist %>% as.numeric

Joe
źródło

Dzięki Joe, ale ta odpowiedź nie wyodrębnia znaków ujemnych przed liczbami w ciągu.

Miao Cai

Answer 20

Dzięki Joe, ale ta odpowiedź nie wyodrębnia znaków ujemnych przed liczbami w ciągu.

Miao Cai

Answer 21

16

Ty też możesz pozbyć się wszystkich liter:

as.numeric(gsub("[[:alpha:]]", "", years))

Prawdopodobnie jest to jednak mniej generalizowalne.

Tyler Rinker
źródło

3

Co dziwne, rozwiązanie Andrew przewyższa to pięciokrotnie na moim komputerze.

Matthew Lundberg

Answer 22

3

Co dziwne, rozwiązanie Andrew przewyższa to pięciokrotnie na moim komputerze.

Matthew Lundberg

Answer 23

Wyodrębnij liczby z dowolnego ciągu na pozycji początkowej.

x <- gregexpr("^[0-9]+", years)  # Numbers with any number of digits
x2 <- as.numeric(unlist(regmatches(years, x)))

Wyodrębnij liczby z dowolnego ciągu NIEZALEŻNEGO od pozycji.

x <- gregexpr("[0-9]+", years)  # Numbers with any number of digits
x2 <- as.numeric(unlist(regmatches(years, x)))

Answer 24

Możemy również użyć str_extractfromstringr

years<-c("20 years old", "1 years old")
as.integer(stringr::str_extract(years, "\\d+"))
#[1] 20  1

Jeśli w ciągu znajduje się wiele liczb i chcemy wyodrębnić je wszystkie, możemy użyć funkcji, str_extract_allktóra w przeciwieństwie do str_extractzwraca wszystkie makty.

years<-c("20 years old and 21", "1 years old")
stringr::str_extract(years, "\\d+")
#[1] "20"  "1"

stringr::str_extract_all(years, "\\d+")

#[[1]]
#[1] "20" "21"

#[[2]]
#[1] "1"

Answer 25

Po wpisie od Gabora Grothendiecka wpis na listę mailingową r-help

years<-c("20 years old", "1 years old")

library(gsubfn)
pat <- "[-+.e0-9]*\\d"
sapply(years, function(x) strapply(x, pat, as.numeric)[[1]])

Answer 26

Odklejając paczkę możemy:

# install.packages("unglue")
library(unglue)

years<-c("20 years old", "1 years old")
unglue_vec(years, "{x} years old", convert = TRUE)
#> [1] 20  1

^{Utworzono 06.11.2019 przez pakiet reprex (v0.3.0)}

Więcej informacji: https://github.com/moodymudskipper/unglue/blob/master/README.md

Wyodrębnianie liczb z wektorów łańcuchów

Odpowiedzi: