将单位缩写转换为数字

Question

我有一个在列中缩写数值的数据集。例如，12M表示1200万，1.2k表示1200。M和k是唯一的缩写。如何编写允许R将这些值从最低到最高排序的代码？

我虽然已经使用gsub将M转换为000,000等，但这并没有考虑到小数点（1.5M将是1.5000000）。

Answer 1

• 因此，您想将SI单位缩写（“ K”，“ M”，...）转换为指数，从而将其转换为十进制的幂。假设所有单位都是单字母，并且指数是10 ** 3的均等幂，以下是处理“ Kilo” ...“ Yotta”以及所有未来指数的工作代码：

    > 10 ** (3*as.integer(regexpr('T', 'KMGTPEY')))
    [1] 1e+12

然后，只需将十进制乘以您的十进制值即可。

• 另外，您可能想检测并处理未知字母前缀的“不匹配”情况，否则您将变得毫无意义 -1*3

    > unit_to_power <- function(u) {
        exp_ <- 10**(as.integer(regexpr(u, 'KMGTPEY')) *3)
        return (if(exp_>=0) exp_ else 1)
    }

• 现在，如果您要对Kilo的k和K进行不区分大小写的匹配（就像计算机人经常写的那样，尽管从技术上讲，这是对SI的滥用），那么您将需要特殊情况，例如if-否则，梯形图/表达式（SI单位通常区分大小写，即使磁盘驱动器用户另有说明，“ M”也表示“ Mega”，但“ m”严格表示“ milli”；大写通常用于正指数）。因此，对于一些前缀，@ DanielV的区分大小写的代码更好。

• 如果您也想使用负SI前缀，请使用as.integer(regexpr(u, 'zafpnum@KMGTPEY')-8)where @仅是一些一次性字符来保持均匀的间距，实际上不应使其匹配。同样，如果您需要处理非10功率3 **单位，例如'deci'，'centi'，则需要特殊外壳或WeNYoBen使用的基于字典的常规方法。

• base::regexpr没有向量化，它的性能在大输入上也很差，因此如果要向量化并获得更高的性能，请使用stringr::str_locate。