从r

Question

我想从R中的字符串（从数据库导入）中提取一些时间信息（持续时间），并且需要一些关于如何处理此任务的帮助。问题是我想要处理数据库中有数千个持续时间，但它们的格式各不相同。 例如，

字符串

• 1天
• 23小时
• 3-5天
• 7-10天

• 48小时
  
  如您所见，它们因格式而异，有些具有范围，有些具有精确的持续时间，有些具有分隔数字和字母的空格。理想情况下，这些将处理为具有范围的两列，然后是可以计算总持续时间的第三列。 那么，上述数据点的结果将是：
  
  日;日

• 1; 1

• 0.958; 0.958
• 3; 5
• 7; 10
• 2; 2

我想我可能需要一个提取数字并查找关键词的正则表达式。如果单词＆＃34; hour＆＃34;被发现，转换为天。如果找到破折号，请找到破折号前后的数字以及关键字＆＃34;小时/天＆＃34;。这看起来像是一团糟，但想看看是否有人有想法让我的生活更轻松。

谢谢！

Answer 1

提取时间，按-拆分，将它们与小时或天数相匹配，转换回天数：

# recreate your data:
x <- c("1 day", "23 hours", "3-5days", "7-10 days", "48 hours ")

# identify if hours or days    
per <- c("days","hours")[max.col(sapply(c("day","hour"),grepl,x))]
# get the range of values as numeric data
vals <- lapply(strsplit(regmatches(x, regexpr("(\\d+|\\d+-\\d+)",x)),"-"),as.numeric)
# convert to difftime objects and re-format
lapply(Map(as.difftime, vals, units=per), as.numeric, units="days")

#[[1]]
#[1] 1
# 
#[[2]]
#[1] 0.9583333
# 
#[[3]]
#[1] 3 5
#
#[[4]]
#[1]  7 10
# 
#[[5]]
#[1] 2