如何使用 Lubridate 包和 Regex 而不是使用单独的函数来处理数据？

Question

https://www.kaggle.com/shivamb/netflix-shows-and-movies-exploratory-analysis/data----包含数据集。

这是对 Netflix 数据集中的节目进行的探索性数据分析。数据整理过程有两个主要目标。首先是仅从 date_added 列中单独获取年份部分。其次是创建一个新列，其中包含持续时间列中特定节目的季数。我依靠 dplyr 包中的 separate 函数来实现上述两个目标。

代码如下：-

# Neitlix EDA ----
# https://www.kaggle.com/shivamb/netflix-shows-and-movies-exploratory-analysis

library(tidyverse)
library(lubridate)    

net_flix <- read.csv("netflix_titles_nov_2019.csv")

net_flix_wrangled_tbl <- net_flix %>%
    separate(date_added, 
             into = c("date","month","year"),
             sep = "-",
             remove = FALSE)%>%
    separate(duration,
             into = c("count","show_type"),
             sep = " ",
             remove = FALSE)%>%
    glimpse()

不想下载数据的可以使用下面包含的数据框的代码：

sf <- data.frame(date_added = c("30-11-19", "29-11-19", "", "12-07-19", "", "16-09-19"), 
duration = c("1 Season", "67 min", "135 min", "2 Seasons", "107 min", "3 Seasons"))

输出与 separate() 函数一起使用，用于获取日期并从持续时间列中过滤季数。

但是可以通过使用 lubridate 包获取年份并使用 ifelse() 和 filter() 或 Regex 函数以更好更稳健的方式完成此操作吗？只获取季节数而不是电影分钟数？

Answer 1

这是另一种选择：

library(dplyr)
library(lubridate)


sf %>%
  mutate(date_added = dmy(date_added), 
         date = day(date_added), month = month(date_added),
         year = year(date_added), 
         count = readr::parse_number(as.character(duration)),
         show_type = stringr::str_remove(duration, as.character(count)))


#  date_added  duration date month year count show_type
#1 2019-11-30  1 Season   30    11 2019     1    Season
#2 2019-11-29    67 min   29    11 2019    67       min
#3       <NA>   135 min   NA    NA   NA   135       min
#4 2019-07-12 2 Seasons   12     7 2019     2   Seasons
#5       <NA>   107 min   NA    NA   NA   107       min
#6 2019-09-16 3 Seasons   16     9 2019     3   Seasons

如何使用 Lubridate 包和 Regex 而不是使用单独的函数来处理数据？

How to wrangle the data using Lubridate package and Regex instead of using the separate function?

regex

r

lubridate

dplyr

data-wrangling