Question

想知道是否有人可以帮我解决这个问题。我在下面有这些数据。

[1] "Compared with 3 months earlier . . . . . . . . 123 (100.0) 11 (8 .9 60 (48. 8) 48 (39.0) 4 (3.3) . . . . . . . . . . . . . ."       
[2] "Compared with 3 months earlier . . . . . . . . 124 ( 100.0) 18 (14. 5) 60 (48.4) 42 (33 .9) 4 (3. 2) . . . . . . . . . . . . . ."   
[3] "Compared with 3 months earlier . . . . . . . . 124 (100.0) 7 (5.6) 42 (33.9) 64 (51.6) 11 (8.9) . . . . . . . . . . . . . ."

想要提取上面的内容

123 100.0 11 8.9 60 48.8 48 39.0 4 3.3 
124 100.0 18 14.5 60 48.4 42 33.9 4 3.2
124 100.0 7 5.6 42 33.9 64 51.6 11 8.9

在数字和小数之间有一些随机空格应该被视为一个单独的数字。我曾尝试使用str_extract_all()，但它没有给我预期的结果。

Answer 1

在正则表达式提取之前的一些战术角色替换是有序的，我倾向于在stringi中“思考”stringr上的矢量化替换（即使stringr对矢量化替换有基本支持实际上在封面下使用stringi：

library(stringi)

mytext <- c("Compared with 3 months earlier . . . . . . . . 123 (100.0) 11 (8 .9 60 (48. 8) 48 (39.0) 4 (3.3) . . . . . . . . . . . . . .",
            "Compared with 3 months earlier . . . . . . . . 124 ( 100.0) 18 (14. 5) 60 (48.4) 42 (33 .9) 4 (3. 2) . . . . . . . . . . . . . .",
            "Compared with 3 months earlier . . . . . . . . 124 (100.0) 7 (5.6) 42 (33.9) 64 (51.6) 11 (8.9) . . . . . . . . . . . . . .")

# vectorized cleanup

cleaned_text <- stri_replace_all_regex(mytext, 
                                       c(" \\.", "\\. ([:digit:])", "Compared with [[:digit:]]+ "),
                                       c("", "\\.\\1", ""), 
                                       FALSE)

stri_extract_all_regex(cleaned_text, "[[:digit:]][[:digit:]\\.]*")

## [[1]]
##  [1] "123"   "100.0" "11"    "89"    "60"    "48.1"  "48"    "39.0"  "4"     "3.3"  
## 
## [[2]]
##  [1] "124"   "100.0" "18"    "14.1"  "60"    "48.4"  "42"    "339"   "4"     "3.1"  
## 
## [[3]]
##  [1] "124"   "100.0" "7"     "5.6"   "42"    "33.9"  "64"    "51.6"  "11"    "8.9"

希望您可以执行as.numeric()以及任何其他重塑/转化。

Answer 2

类似于@hrbrmstr的方法。以hrbrmstr的样本（mytext）为例，我做了以下几点。 gsub()部分处理您的空间问题。代码中的.(space)或(space).已替换为.。然后，stri_extract_all()提取所有数字。在您的情况下，您有几个月的数字，这是每个向量中的第一个数字。 lapply(function(x){x[-1]})删除每个向量中的第一个数字。

library(stringi)
library(magrittr)

gsub(pattern = "\\.\\s|\\s\\.", replacement = "\\.", x = mytext) %>%
stri_extract_all(regex = "\\d+\\.\\d+|\\d+") %>%
lapply(function(x){x[-1]})


#[[1]]
#[1] "123"   "100.0" "11"    "8.9"   "60"    "48.8"  "48"    "39.0"  "4"     "3.3"  

#[[2]]
#[1] "124"   "100.0" "18"    "14.5"  "60"    "48.4"  "42"    "33.9"  "4"     "3.2"  

#[[3]]
#[1] "124"   "100.0" "7"     "5.6"   "42"    "33.9"  "64"    "51.6"  "11"    "8.9"

在R

2 个答案: