1

我从 Wikipedia 中提取了一张表格，但我得到了一堆垃圾，其中包含我正在寻找的人口数量。例如，当我所追求的实际数字仅为 8,244,910 时，我得到“！B9840748934017Â 8,244,910” 。我已经用正则表达式清理了字符向量，使用sub('![[:alnum:]]*[[:space:]]', '', x)

这很好用，给我留下了字符向量“8,244,910”。但是，当我尝试使用 将其转换为数字as.numeric时，它会被强制转换为 NA，并且无论我尝试什么转换，我都无法获得整数。有什么想法吗？

4

2 回答 2

6

尝试以下操作：

as.numeric(gsub('![[:alnum:]]*[[:space:]]|[[:punct:]]', '', x))

问题是您第一次尝试的输出中有逗号。在转换为as.numeric.

于 2013-02-05T04:16:32.770 回答
3

Ananda 的解决方案确实完成了工作，但可能会出现问题：

  • [:punct:]还包括点字符(.)，它是numeric;的有效部分

  • 笨重的正则表达式很难阅读，而且更容易分解：

    # remove junk

    num_temp = sub('![[:alnum:]]*[[:space:]]', '', x)

    # remove all commas from numerics

    num = gsub(",", "", num_temp)

于 2013-02-05T16:37:42.960 回答