基于正则表达式的替换

Question

R 相对较新，在应用基于正则表达式的替换方面需要帮助。我在一列中有一个数据框，其中有一个数字序列（我感兴趣的值），后跟一串各种字符。示例：

4623(randomcharacters)

我需要删除初始数字后的所有内容才能继续使用这些值。我的想法是使用 gsub 通过正向后视删除非数字字符。我的代码是：

sub_function <- function() {
  gsub("?<=[[:digit:]].", " ", fixed = T)
}


data_frame$`x` <- data_known$`x` %>% 
  sapply(sub_function)

但是我得到了错误：

Error in FUN(X[[i]], ...) : unused argument (X[[i]])

如有任何帮助，我们将不胜感激！

Answer 1

有几种方法可以做到这一点，但我喜欢使用 {tidyverse}:

中的函数

library(tidyverse)

# Create some dummy data
df <- tibble(targetcol = c("4658(randomcharacters)", "5847(randomcharacters)", "4958(randomcharacters)"))

df <- mutate(df, just_digits = str_extract(targetcol, pattern = "^[[:digit:]]+"))

输出（df的内容）：

  targetcol              just_digits
  <chr>                  <chr>      
1 4658(randomcharacters) 4658       
2 5847(randomcharacters) 5847       
3 4958(randomcharacters) 4958

Answer 2

这是一个基本的 R 函数。
它使用 sub，而不是 gsub，因为只有一个替换。而且不需要往后看，元字符 ^ 标记字符串的开头，后跟一个可选的减号，再后跟至少一位数字。其他一切都被丢弃。

sub_function <- function(x){
  sub("(^-*[[:digit:]]+).*", "\1", x)
}

data <- data.frame(x = c("4623(randomcharacters)", "-4623(randomcharacters)"))

sub_function(data$x)
#[1] "4623"  "-4623"

编辑

通过这个简单的修改，函数 returns 一个数值向量。

sub_function <- function(x){
  y <- sub("(^-*[[:digit:]]+).*", "\1", x)
  as.numeric(y)
}

Answer 3

如果您总是想从数据中提取数字，可以使用 parse_number from readr。默认情况下，它还会 return 数字形式的数据。

使用@Rory S 的数据。

sub_function <- function(x) {
  readr::parse_number(x)
}

sub_function(df$targetcol)
#[1] 4658 5847 4958

基于正则表达式的替换

Substitute based on regex

r

regex

string

regex-lookarounds

编辑