使用 str_extract_all() 后从 R 中的字符串向量中提取数字总和

Question

我有一个格式不正确的数据框，其中包含一个字符串向量，例如

f<-data.frame(FruitQuantity=c("10 apple", "orange(15), bananas(30)", "cucumber-15",0,"not sure",NA))


> f
            FruitQuantity
1                10 apple
2 orange(15), bananas(30)
3             cucumber-15
4                       0
5                not sure
6                    <NA>

我希望从中提取计数数据的总和到另一个向量中，如下所示：

             FruitQuantity Total
1                10 apple    10
2 orange(15), bananas(30)    45
3             cucumber-15    15
4                       0     0
5                not sure    NA
6                    <NA>    NA

为了提取数值数据，我执行了以下操作

library(tidyverse)

f$SeperateCount<-str_extract_all(f$FruitQuantity,"\d+")

结果：

>f
            FruitQuantity SeperateCount
1                10 apple            10
2 orange(15), bananas(30)        15, 30
3             cucumber-15            15
4                       0             0
5                not sure              
6                    <NA>            NA

> f$SeperateCount
[[1]]
[1] "10"

[[2]]
[1] "15" "30"

[[3]]
[1] "15"

[[4]]
[1] "0"

[[5]]
character(0)

[[6]]
[1] NA

它返回了一个列表，其中包含提取为字符的数字列表，例如第二行 c(15,30) 和第五行 character(0)

为了获取每个列表中元素的总和，我尝试了以下方法

f$Total<-sapply(f$SeperateCount,sum)

返回错误

Error in FUN(X[[i]], ...) : invalid 'type' (character) of argument

然后我尝试将列表中的字符转换为整数

f$SeperateCountNumeric<-lapply(f$SeperateCount, function(x) if(all(grepl('^[0-9.]+$', x))) as.integer(x) else x)

> f$SeperateCountNumeric
[[1]]
[1] 10

[[2]]
[1] 15 30

[[3]]
[1] 15

[[4]]
[1] 0

[[5]]
integer(0)

[[6]]

[1] NA

> f
            FruitQuantity SeperateCount SeperateCountNumeric
1                10 apple            10                   10
2 orange(15), bananas(30)        15, 30               15, 30
3             cucumber-15            15                   15
4                       0             0                    0
5                not sure                                   
6                    <NA>            NA                   NA

但即使转换为整数后，相同的字符错误仍然存在

> sapply(f$SeperateCountNumeric,sum)

Error in FUN(X[[i]], ...) : invalid 'type' (character) of argument

有没有其他方法可以做到这一点？

非常感谢您的帮助！

Answer 1

借助软件包 stringr 你可以试试这个

library(stringr)

f$Total <- sapply(str_extract_all(f$FruitQuantity, "[[:digit:]]+"),
  function(x) ifelse(identical(x, character(0)),NA,sum(as.numeric(x))))

f
            FruitQuantity Total
1                10 apple    10
2 orange(15), bananas(30)    45
3             cucumber-15    15
4                       0     0
5                not sure    NA
6                    <NA>    NA

类似的基本R解决方案

f$Total <- sapply(strsplit(trimws(
  gsub("[[:alpha:](),-]","", f$FruitQuantity)), " "),
    function(x) ifelse(identical(x, character(0)),
                       NA,sum(as.numeric(x))))

f
            FruitQuantity Total
1                10 apple    10
2 orange(15), bananas(30)    45
3             cucumber-15    15
4                       0     0
5                not sure    NA
6                    <NA>    NA

使用 str_extract_all() 后从 R 中的字符串向量中提取数字总和

extracting the sum of numbers from a vector of strings in R after using str_extract_all()

r

string

list

dataframe

data-extraction