Question

如果我在Excel中记录了非常复杂的格式，我想知道什么是最佳做法或简洁的代码。例如

   bad_format = c(1969*,--1979--,1618, 19.42, 1111983, 1981, 1-9-3-2, 1983, 
                 “1977”,“1954”, “1943”, 1968, 2287 BC, 1998, ..1911.., 1961)

有些年份的所有问题都被记录为字符串，其他问题被错误存储，如1111983（3个额外1），其他在BC等。

输出应该是这样的：

   correct_format = c(1969,1979, 1618, 1942, 1983, 1981, 1932, 1983, 1977, 
                   1954, 1943, 1968, -2287, 1998, 1911, 1961)

我不知道如何处理此任务或能够在r中编写可以解决它的代码，但我希望有人可能有一个想法，如何编写一个可以找到这些问题并纠正的简洁代码它。感谢

Answer 1

如果字符串以BC结尾，则首先将"BC"设置为TRUE，否则设置为FALSE。然后删除非数字并转换为数字给予digits。如果BC为TRUE，则最后使用modulo将最后4位乘以-1，否则为+1。

bad_format <- c("1969*", "--1979--", "1618", "19.42", "1111983", "1981", 
  "1-9-3-2", "1983", "1977", "1954", "1943", "1968", "2287 BC", "1998", 
  "..1911..", "1961")

BC <- grepl("BC$", bad_format)
digits <- as.numeric(gsub("\\D", "", bad_format))
ifelse(BC, -1, 1) * (digits %% 10000)

，并提供：

 [1]  1969  1979  1618  1942  1983  1981  1932  1983  1977  1954  1943  1968
[13] -2287  1998  1911  1961

Answer 2

我同意@thelatemail，但也许这是一个开始？

bad_format = c("1969*","--1979--","1618", "19.42", "1111983", "1981", "1-9-3-2", "1983",
                 "“1977”","“1954”", "“1943”", "1968", "2287 BC", "1998", "..1911..", "1961")

# Step 1: Remove trailing/leading characters
# Anchor digits to start with either 1 or 2
ss <- gsub("^.*([12]\\d\\d\\d).*$", "\\1", bad_format)

# Step 2: Remove "dividing" non-digit characters
ss <- gsub("\\D", "", ss);
#[1] "1969" "1979" "1618" "1942" "1983" "1981" "1932" "1983" "1977" "1954"
#[11] "1943" "1968" "2287" "1998" "1911" "1961"

r中的复杂日期格式化

2 个答案: