Question

我想在任何不是数字的字符串上拆分字符串。在这种特殊情况下，字符串是从外部.csv文件读入的日期和时间，目前不是as.POSIXct格式。

理想情况下，我想使用regex拆分字符串，但是如果有一种更简单的方法可以使用date / time函数将它们转换为六列数字感兴趣的。

我已经成功创建了一个regex，将字符串拆分为六列，但regex不是一般的。

以下是数据：

my.data <- read.csv(text = '
          Date_Time
    18/05/2011 07:32:40
    19/05/2011 13:26:02
    19/05/2011 13:32:47
    19/05/2011 13:45:24
    19/05/2011 14:57:27
    19/05/2011 15:03:18
', header=TRUE, stringsAsFactors = FALSE, na.strings = 'NA', strip.white = TRUE)

这是一个regex语句，将字符串拆分为六列：

my.date.time <- data.frame(do.call(rbind, strsplit(my.data$Date_Time,"[/|:|[:space:]]+") ))

以上陈述并非一般。以下是通过在任何非数字上指定拆分来尝试regex一般的尝试失败：

data.frame(do.call(rbind, strsplit(my.data$Date_Time,"[^\\d]+") ))

将字符串拆分为六列后，我仍然需要看似过多的语句来将列转换为数字格式：

colnames(my.date.time) <- c('my.day', 'my.month', 'my.year', 'my.hour', 'my.minute', 'my.second')

revised.data <- data.frame(my.data, my.date.time, stringsAsFactors = FALSE)

revised.data$my.day    <- as.numeric(as.character(revised.data$my.day))
revised.data$my.month  <- as.numeric(as.character(revised.data$my.month))
revised.data$my.year   <- as.numeric(as.character(revised.data$my.year))
revised.data$my.hour   <- as.numeric(as.character(revised.data$my.hour))
revised.data$my.minute <- as.numeric(as.character(revised.data$my.minute))
revised.data$my.second <- as.numeric(as.character(revised.data$my.second))
revised.data

str(revised.data)

感谢您在推广上述regex（或使用date / time函数简化程序）方面提供的任何帮助。 apply函数可能会消除大多数as.numeric(as.character)语句，尽管这是一个相对较小的问题。

Answer 1

尝试\\D+

> x <- "18/05/2011 07:32:40"
> strsplit(x, "\\D+")
[[1]]
[1] "18"   "05"   "2011" "07"   "32"   "40"

或

> strsplit(x, "[^0-9]+")
[[1]]
[1] "18"   "05"   "2011" "07"   "32"   "40"

Answer 2

也许我错过了一些东西，但这是我的解决方案：

lisda <- apply(my.data, 1, strsplit, "[^[:digit:]]")
my.data2 <- t(data.frame(lisda))
my.data2
            [,1] [,2] [,3]   [,4] [,5] [,6]
Date_Time   "18" "05" "2011" "07" "32" "40"
Date_Time.1 "19" "05" "2011" "13" "26" "02"
Date_Time.2 "19" "05" "2011" "13" "32" "47"
Date_Time.3 "19" "05" "2011" "13" "45" "24"
Date_Time.4 "19" "05" "2011" "14" "57" "27"
Date_Time.5 "19" "05" "2011" "15" "03" "18"

以防您想将它们全部转换为数字。

apply(my.data2, 2, function(x) as.numeric(as.character(x)))

Answer 3

使用cSplit

library(splitstackshape)
tmp = cSplit(my.data, "Date_Time", "/")
out = cSplit(tmp, "Date_Time_3", ":")

如果你读这样的数据

my.data <- read.csv(text = 'Date Time
18/05/2011 07:32:40
19/05/2011 13:26:02
19/05/2011 13:32:47
19/05/2011 13:45:24
19/05/2011 14:57:27
19/05/2011 15:03:18', header=TRUE, sep =' ' ,stringsAsFactors = FALSE, na.strings = 'NA', strip.white = TRUE)

你可以做到

library(splitstackshape)
out = cSplit(my.data, splitCols = c("Date", "Time"), sep = c("/", ":"))

#> out
#   Date_1 Date_2 Date_3 Time_1 Time_2 Time_3
#1:     18      5   2011      7     32     40
#2:     19      5   2011     13     26      2
#3:     19      5   2011     13     32     47
#4:     19      5   2011     13     45     24
#5:     19      5   2011     14     57     27
#6:     19      5   2011     15      3     18

Answer 4

您可以考虑使用 gsubfn 包中的read.pattern：

library(gsubfn)
read.pattern(text = my.data$Date_Time, pattern = "\\d+")

#   V1 V2   V3 V4 V5 V6
# 1 18  5 2011  7 32 40
# 2 19  5 2011 13 26  2
# 3 19  5 2011 13 32 47
# 4 19  5 2011 13 45 24
# 5 19  5 2011 14 57 27
# 6 19  5 2011 15  3 18

然后您可以根据需要简单地指定列名称。

正则表达式可以拆分任何不是数字的

4 个答案: