从数据框中提取数字

时间:2015-09-15 14:11:40

标签: r string text-extraction

我有一个带有“计算”列的数据框,可以通过以下代码复制:

a <- data.frame(Id = c(1:3), Calculation = c('[489]/100','[4771]+[4777]+[5127]+[5357]+[5597]+[1044])/[463]','[1044]/[463]'))

> str(a)
'data.frame':   3 obs. of  2 variables:
$ Id         : int  1 2 3
$ Calculation: Factor w/ 3 levels "[1044]/[463]",..: 3 2 1

请注意,“计算”栏中有两种类型的数字:大多数都用括号括起来,但有些(在这种情况下是数字100)不是(这在我的申请中有意义)。

我想要做的是提取计算列中显示的所有不同数字,以返回具有这些数字的并集的向量。理想情况下,我希望能够区分括号和非数字之间的数字。这一步不是那么重要(如果它变得复杂),因为括号之间的数字很少,我可以手动检测它们。因此,在这种情况下,所需的输出将是:

b = c(489,4771,4777,5127,5357,5597,1044,463)

提前致谢

1 个答案:

答案 0 :(得分:1)

我们可以使用str_extract_all中的library(stringr)。使用正则表达式lookbehind((?<=\\[)),我们匹配前面带有\\d+的数字[,将其提取到listunlist以将其转换为vector然后将character更改为numericas.numeric),并获取unique元素。

library(stringr)
unique(as.numeric(unlist(str_extract_all(a$Calculation, '(?<=\\[)\\d+'))))
#[1]  489 4771 4777 5127 5357 5597 1044  463