Extraction de nombres à partir de vecteurs de chaînes

Question 1

J'ai une chaîne comme celle-ci:

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

Je voudrais grep uniquement le nombre numérique de ce vecteur. La sortie attendue est un vecteur:

c(20, 1)

Comment dois-je procéder?

Question 2

Que diriez-vous

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

ou

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

ou

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

Question 3

Je pense que la substitution est un moyen indirect d'arriver à la solution. Si vous souhaitez récupérer tous les numéros, je vous recommande gregexpr:

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

Si vous avez plusieurs correspondances dans une chaîne, cela les obtiendra toutes. Si vous n'êtes intéressé que par le premier match, utilisez à la regexprplace de gregexpret vous pouvez ignorer le unlist.

Question 4

Update Depuis extract_numericest obsolète, nous pouvons utiliser parse_numberfrom readrpackage.

library(readr)
parse_number(years)

Voici une autre option avec extract_numeric

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

Question 5

Voici une alternative à la première solution d'Arun, avec une expression régulière plus simple de type Perl:

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

Question 6

Ou simplement:

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

Question 7

Une stringrsolution en pipeline:

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

Question 8

Vous pouvez également vous débarrasser de toutes les lettres:

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

Cela est probablement moins généralisable.

Question 9

Extrayez les nombres de n'importe quelle chaîne à la position de début.

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

Extraire les nombres de n'importe quelle chaîne INDÉPENDANTE de position.

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

Question 10

Nous pouvons également utiliser str_extractdestringr

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

S'il y a plusieurs nombres dans la chaîne et que nous voulons tous les extraire, nous pouvons utiliser str_extract_allqui, contrairement à, str_extractrenvoie tous les macthes.

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

Après le message de Gabor Grothendieck, postez sur la liste de diffusion 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

En utilisant le package unglue, nous pouvons faire:

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

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

^{Créé le 06/11/2019 par le package reprex (v0.3.0)}

Plus d'infos: https://github.com/moodymudskipper/unglue/blob/master/README.md

Answer 1

J'ai une chaîne comme celle-ci:

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

Je voudrais grep uniquement le nombre numérique de ce vecteur. La sortie attendue est un vecteur:

c(20, 1)

Comment dois-je procéder?

Answer 2

83

Que diriez-vous

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

ou

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

ou

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

Arun
la source

1

Pourquoi le .*nécessaire? Si vous les voulez au départ, pourquoi ne pas les utiliser ^[[:digit:]]+?

sebastian-c

2

.*est nécessaire car vous devez faire correspondre la chaîne entière. Sans cela, rien n'est supprimé. Notez également que cela subpeut être utilisé ici à la place de gsub.

Matthew Lundberg

12

si le nombre ne doit pas nécessairement être au début de la chaîne, utilisez ceci:gsub(".*?([0-9]+).*", "\\1", years)

TMS

Je veux obtenir 27. Je ne comprends pas pourquoi, en ajoutant des conditions (comme l'ajout d'un "-" échappé, le résultat s'allonge ... gsub(".*?([0-9]+).*?", "\\1", "Jun. 27–30")Résultat: [1] "2730" gsub(".*?([0-9]+)\\-.*?", "\\1", "Jun. 27–30")Résultat: [1] "27 juin –30 "

Lionel Trebuchon

Answer 3

1

Pourquoi le .*nécessaire? Si vous les voulez au départ, pourquoi ne pas les utiliser ^[[:digit:]]+?

sebastian-c

Answer 4

2

.*est nécessaire car vous devez faire correspondre la chaîne entière. Sans cela, rien n'est supprimé. Notez également que cela subpeut être utilisé ici à la place de gsub.

Matthew Lundberg

Answer 5

12

si le nombre ne doit pas nécessairement être au début de la chaîne, utilisez ceci:gsub(".*?([0-9]+).*", "\\1", years)

TMS

Answer 6

Je veux obtenir 27. Je ne comprends pas pourquoi, en ajoutant des conditions (comme l'ajout d'un "-" échappé, le résultat s'allonge ... gsub(".*?([0-9]+).*?", "\\1", "Jun. 27–30")Résultat: [1] "2730" gsub(".*?([0-9]+)\\-.*?", "\\1", "Jun. 27–30")Résultat: [1] "27 juin –30 "

Lionel Trebuchon

Answer 7

65

Je pense que la substitution est un moyen indirect d'arriver à la solution. Si vous souhaitez récupérer tous les numéros, je vous recommande gregexpr:

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

Si vous avez plusieurs correspondances dans une chaîne, cela les obtiendra toutes. Si vous n'êtes intéressé que par le premier match, utilisez à la regexprplace de gregexpret vous pouvez ignorer le unlist.

sébastien-c
la source

1

Je ne m'y attendais pas, mais cette solution est plus lente que toutes les autres, d'un ordre de grandeur.

Matthew Lundberg

@MatthewLundberg le gregexpr, regexprou les deux?

sebastian-c

1

gregexpr. Je n'avais pas essayé regexprjusqu'à maintenant. Énorme différence. L'utilisation le regexprmet entre les solutions d'Andrew et d'Arun (deuxième plus rapide) sur un set 1e6. Peut-être aussi intéressant, l'utilisation subdans la solution d'Andrew n'améliore pas la vitesse.

Matthew Lundberg

Cela divise en fonction des points décimaux. Par exemple 2,5 devient c ('2', '5')

MBorg

Answer 8

1

Je ne m'y attendais pas, mais cette solution est plus lente que toutes les autres, d'un ordre de grandeur.

Matthew Lundberg

Answer 9

@MatthewLundberg le gregexpr, regexprou les deux?

sebastian-c

Answer 10

1

gregexpr. Je n'avais pas essayé regexprjusqu'à maintenant. Énorme différence. L'utilisation le regexprmet entre les solutions d'Andrew et d'Arun (deuxième plus rapide) sur un set 1e6. Peut-être aussi intéressant, l'utilisation subdans la solution d'Andrew n'améliore pas la vitesse.

Matthew Lundberg

Answer 11

Cela divise en fonction des points décimaux. Par exemple 2,5 devient c ('2', '5')

MBorg

Answer 12

65

Update Depuis extract_numericest obsolète, nous pouvons utiliser parse_numberfrom readrpackage.

library(readr)
parse_number(years)

Voici une autre option avec extract_numeric

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

Akrun
la source

2

Bien pour cette application, mais gardez à l'esprit parse_numberque ne joue pas avec des nombres négatifs. Essayer parse_number("–27,633")

Nettle

@Nettle Oui, c'est vrai et cela ne fonctionnera pas s'il y a plusieurs instances également

akrun

3

Le bogue d'analyse des nombres négatifs a été corrigé: github.com/tidyverse/readr/issues/308 readr::parse_number("-12,345") # [1] -12345

Russ Hyde

Answer 13

2

Bien pour cette application, mais gardez à l'esprit parse_numberque ne joue pas avec des nombres négatifs. Essayer parse_number("–27,633")

Nettle

Answer 14

@Nettle Oui, c'est vrai et cela ne fonctionnera pas s'il y a plusieurs instances également

akrun

Answer 15

3

Le bogue d'analyse des nombres négatifs a été corrigé: github.com/tidyverse/readr/issues/308 readr::parse_number("-12,345") # [1] -12345

Russ Hyde

Answer 16

35

Voici une alternative à la première solution d'Arun, avec une expression régulière plus simple de type Perl:

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

Andrew
la source

as.numeric(sub("\\D+","",years)). S'il y avait des lettres avant et | ou après, alorsgsub

Onyambu

Answer 17

as.numeric(sub("\\D+","",years)). S'il y avait des lettres avant et | ou après, alorsgsub

Onyambu

Answer 18

21

Ou simplement:

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

989
la source

Answer 19

19

Une stringrsolution en pipeline:

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

Joe
la source

Merci Joe, mais cette réponse n'extrait pas les signes négatifs avant les nombres dans la chaîne.

Miao Cai

Answer 20

Merci Joe, mais cette réponse n'extrait pas les signes négatifs avant les nombres dans la chaîne.

Miao Cai

Answer 21

16

Vous pouvez également vous débarrasser de toutes les lettres:

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

Cela est probablement moins généralisable.

Tyler Rinker
la source

3

Curieusement, la solution d'Andrew bat cela par un facteur de 5 sur ma machine.

Matthew Lundberg

Answer 22

3

Curieusement, la solution d'Andrew bat cela par un facteur de 5 sur ma machine.

Matthew Lundberg

Answer 23

Extrayez les nombres de n'importe quelle chaîne à la position de début.

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

Extraire les nombres de n'importe quelle chaîne INDÉPENDANTE de position.

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

Answer 24

Nous pouvons également utiliser str_extractdestringr

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

S'il y a plusieurs nombres dans la chaîne et que nous voulons tous les extraire, nous pouvons utiliser str_extract_allqui, contrairement à, str_extractrenvoie tous les macthes.

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

Après le message de Gabor Grothendieck, postez sur la liste de diffusion 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

En utilisant le package unglue, nous pouvons faire:

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

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

^{Créé le 06/11/2019 par le package reprex (v0.3.0)}

Plus d'infos: https://github.com/moodymudskipper/unglue/blob/master/README.md

Extraction de nombres à partir de vecteurs de chaînes

Réponses: