我有一个数据框，其中有一个文本字段，可以捕获一个人在城市中停留的时间。它的格式为m months，y和m为数字。如果此人在城市居住的时间不到一年，则该值的格式仅为df <- structure(list(Time.in.current.role = c("1 year 1 month", "11
months",
"3 years 11 months", "1 year 1 month", "8 months"), City =
c("Philadelphia",
"Seattle", "Washington D.C.", "Ashburn", "Cork, Ireland")), .Names =
c("Time.in.current.role",
"City"), row.names = c(NA, 5L), class = "data.frame")
我想将此列转换为两个单独的数字列，其中一列显示已存在的年份，另一列显示已存在的月份。
以下是我的数据框示例：
result <- structure(list(Year = c(1, 0, 3, 1, 0), Month = c(1, 11,
11,
1, 8), City = structure(c(3L, 4L, 5L, 1L, 2L), .Label = c("Ashburn",
"Cork, Ireland", "Philadelphia", "Seattle", "Washington D.C."
), class = "factor")), .Names = c("Year", "Month", "City"), row.names
= c(NA,
-5L), class = "data.frame")
我的愿望数据框如下：
y year(s)我正在考虑使用grep来查找哪些行具有子字符串＆＃34; year＆＃34;在它和哪些行有子串＆＃34;月＆＃34;在里面。但在那之后，我很难设法将这个数字与＃34;年和＃34;或＆＃34;月＆＃34;。
*编辑*
在我原来的帖子中，我忘了说明只有df <- structure(list(Time.in.current.role = c("1 year 1 month", "11
months",
"3 years 11 months", "1 year 1 month", "8 months", "2 years"),
City = c("Philadelphia", "Seattle", "Washington D.C.", "Ashburn",
"Cork, Ireland", "Washington D.C.")), .Names =
c("Time.in.current.role",
"City"), row.names = c(1L, 2L, 3L, 4L, 5L, 18L), class =
"data.frame")
result <- structure(list(Year = c(1, 0, 3, 1, 0, 2), Month = c(1, 11,
11,
1, 8, 0), City = structure(c(3L, 4L, 5L, 1L, 2L, 5L), .Label =
c("Ashburn",
"Cork, Ireland", "Philadelphia", "Seattle", "Washington D.C."
), class = "factor")), .Names = c("Year", "Month", "City"), row.names
= c(NA,
-6L), class = "data.frame")
的情况。这是新的原始数据帧和所需的数据帧：
reduce答案 0 :(得分：1)
您可以执行以下操作：
z = regmatches(x = df$Time.in.current.role, gregexpr("\\d+", df$Time.in.current.role))
years = sapply(z, function(x){ifelse(length(x)==1, 0, x[1])})
months = sapply(z, function(x){ifelse(length(x)==1, x[1], x[2])})
这给出了：
> years
[1] "1" "0" "3" "1" "0"
> months
[1] "1" "11" "11" "1" "8"
如果有两个数字，此方法有效。如果只有一个，则假定它对应于月份。例如，这不起作用的情况是"5 years"。
在这种情况下，您可以执行以下操作：
m = regmatches(x = df$Time.in.current.role, gregexpr("\\d+ m", df$Time.in.current.role))
y = regmatches(x = df$Time.in.current.role, gregexpr("\\d+ y", df$Time.in.current.role))
y2 = sapply(y, function(x){ifelse(length(x)==0,0,gsub("\\D+","",x))})
m2 = sapply(m, function(x){ifelse(length(x)==0,0,gsub("\\D+","",x))})
示例：
> df
Time.in.current.role City
1 1 year 1 month Philadelphia
2 11 months Seattle
3 3 years 11 months Washington D.C.
4 1 year 1 month Ashburn
5 8 months Cork, Ireland
6 5 years Miami
> y2
[1] "1" "0" "3" "1" "0" "5"
> m2
[1] "1" "11" "11" "1" "8" "0"
答案 1 :(得分：1)
另一种方法是使用包splitstackshape将列拆分为两个。要做到这一点，首先需要使用gsub在年和月之间设置分隔符，然后删除所有字符，然后使用cSplit：
# replace delimiter year with ;
df$Time.in.current.role <- gsub("year", ";", df$Time.in.current.role)
# If no year was found add 0; at the beginning of the cell
df$Time.in.current.role[!grepl(";", df$Time.in.current.role)] <- paste0("0;", df$Time.in.current.role[!grepl(";", df$Time.in.current.role)])
# remove characters and whitespace
df$Time.in.current.role <- gsub("[[:alpha:]]|\\s+", "", df$Time.in.current.role)
# Split column by ;
df <- splitstackshape::cSplit(df, "Time.in.current.role", sep = ";")
# Rename new columns
colnames(df)[2:3] <- c("Year", "Month")
df
City Year Month
1: Philadelphia 1 1
2: Seattle 0 11
3: Washington D.C. 3 11
4: Ashburn 1 1
5: Cork, Ireland 0 8
答案 2 :(得分：1)
一个快速的解决方案：
<强>代码：
ym <- gsub("[^0-9|^ ]", "", df$Time.in.current.role)
ym <- gsub("^ | $", "", ym)
df$Year <- ifelse(
grepl(" ", ym),
gsub("([0-9]+) .+", "\\1", ym),
0
)
df$Month <- gsub(".+ ([0-9]+)$", "\\1", ym)
df$Time.in.current.role <- NULL
df
City Year Month
1 Philadelphia 1 1
2 Seattle 0 11
3 Washington D.C. 3 11
4 Ashburn 1 1
5 Cork, Ireland 0 8
<强>词：
year = 0。答案 3 :(得分：1)
这定义了一个函数extr（也见最后的替代定义），它将从第一个参数中提取与第二个参数的捕获组的匹配，即与括号内正则表达式部分的匹配。然后匹配转换为数字，或者如果未找到模式，则返回0。
它只有3行代码，在处理年份和月份方面具有令人愉悦的对称性，不仅可以处理年份和月份，还可以处理年份和月份。它允许在y和m之前使用垃圾，例如问题中的示例数据中显示的\ n。
library(gsubfn)
extr <- function(x, pat) strapply(x, pat, as.numeric, empty = 0, simplify = TRUE)
transform(df, Year = extr(Time.in.current.role, "(\\d+) +\\W*y"),
Month = extr(Time.in.current.role, "(\\d+) +\\W*m"))
给出（对于问题中定义的数据框）：
Time.in.current.role City Year Month
1 1 year 1 month Philadelphia 1 1
2 11 \nmonths Seattle 0 11
3 3 years 11 months Washington D.C. 3 11
4 1 year 1 month Ashburn 1 1
5 8 months Cork, Ireland 0 8
请注意strapply默认使用tcl regex引擎，但是如果tcltk在您的系统上不起作用，那么使用这个稍长版本的extr，或者更好的是修复您的安装，因为tcltk是一个基础包，如果不起作用，你的R安装就会破坏。
extr <- function(x, pat) {
sapply(strapply(x, pat, as.numeric), function(x) if (is.null(x)) 0 else x)
}