如何从R的数据框中的字符串中提取数字并将其放置在新列中？

Question

我有一个简单的数据框：

df <- data.frame(test = c("test_A_1_1.txt", "test_A_2_1.txt", "test_A_3_1.txt"), value = c(0.51, 0.52, 0.56))

          test   value
1 test_A_1_1.txt  0.51
2 test_A_2_1.txt  0.52
3 test_A_3_1.txt  0.56

预期产量

我想将数字复制到第1列的字符串末尾，并将其分别放在第3列或第4列中，如下所示：

          test value  new new
1 test_A_1.txt  0.51   1  1
2 test_A_2.txt  0.52   2  1
3 test_A_3.txt  0.56   3  1

尝试

使用以下代码，我可以从字符串中提取数字：

library(stringr)
as.numeric(str_extract_all("test_A_3.txt", "[0-9]+")[[1]])[1] # Extracts the first number
as.numeric(str_extract_all("test_A_3.txt", "[0-9]+")[[1]])[2] # Extracts the second number

我想将此代码应用于第一列的所有值：

library(tidyverse)
df %>% mutate(new = as.numeric(str_extract_all(df$test, "[0-9]+")[[1]])[1])

但是，这导致new只有数字的列1。我究竟做错了什么？

Answer 1

为什么不使用基础R解决方案？

df$new <- as.numeric(gsub("[^[:digit:]]+", "", df$test))

df
#          test value new
#1 test_A_1.txt  0.51   1
#2 test_A_2.txt  0.52   2
#3 test_A_3.txt  0.56   3

编辑。

按照用户@camille的答案中的示例，其中字符串可能具有不同数量的数字，这是使用package的解决方案stringr。

df1 <- data.frame(test = c("test_A_1.txt", "test_A_2.txt", "test_A_3.txt"), value = c(0.51, 0.52, 0.56))
df2 <- data.frame(test = c("test_A_1_1.txt", "test_A_2_1.txt", "test_A_3_1.txt"), value = c(0.51, 0.52, 0.56))
df3 <- data.frame(test = c("test_A_1_1.txt", "test_A_2_1.txt", "test_A_3_1.txt", "test_A_4_2_1.txt"), value = c(0.51, 0.52, 0.56, 2))

num2cols <- function(DF, col = "test"){
  s <- stringr::str_extract_all(DF[[col]], "[[:digit:]]+")
  Max <- max(sapply(s, length))
  new <- do.call(rbind, lapply(s, function(x){
    as.numeric(c(x, rep(NA, Max - length(x))))
  }))
  names_new <- paste0("new", seq.int(ncol(new)))
  setNames(cbind(DF, new), c(names(DF), names_new))
}

num2cols(df1)
num2cols(df2)
num2cols(df3)

Answer 2

我们可以使用parse_number从readr

library(dplyr)
library(purrr)
library(stringr)
df %>%
    mutate(new = readr::parse_number(as.character(test)))

关于OP的问题，它仅从中选择第一个list元素（[[1]]）str_extract_all（返回list）。相反，最好使用，str_extract因为我们只需要提取一个或多个数字（\\d+）的第一个实例

df %>%
    mutate(new = as.numeric(str_extract(test, "[0-9]+")))

如果我们需要从得到的输出str_extract_all（万一），unlist将list到vector，然后应用as.numeric上vector

df %>%
     mutate(new = as.numeric(unlist(str_extract_all(test, "[0-9]+"))))

如果有多个实例，则它保持为list转换成之后numeric通过经循环list与元件map

df %>% 
     mutate(new = map(str_extract_all(test, "[0-9]+"), as.numeric))

注意：str_extract基于解决方案首先发布在这里。

在中base R，我们可以使用regexpr

df$new <- as.numeric(regmatches(df$test, regexpr("\\d+", df$test)))

更新资料

随着更新的例子，如果我们需要得到的数字的两个实例，第一个可以与提取str_extract，最后（stri_extract_last-从stringi可作为良好），通过提供一个正则表达式环视检查位数字加一个.和“TXT '

df %>% 
  mutate(new1 = as.numeric(str_extract(test, "\\d+")),
      new2 = as.numeric(str_extract(test, "\\d+(?=\\.txt)")))
#            test value new1 new2
#1 test_A_1_1.txt  0.51    1    1
#2 test_A_2_1.txt  0.52    2    1
#3 test_A_3_1.txt  0.56    3    1

Answer 3

稍微修改您现有的代码：

df %>% 
  mutate(new = as.integer(str_extract(test, "[0-9]+")))

或者简单地

df$new <- as.integer(str_extract(df$test, "[0-9]+"))