database - 使用 r 修改连字符数据

Question

我正在从 csv 文件中读取数据，数据中的一列采用三种不同的格式：

xxxxx-xxx-xx (5-3-2)
xxxxx-xxxx-x (5-4-1)
xxxx-xxxx-xx (4-4-2)

我的目标是将这三种不同的样式变成一种样式，形式为：xxxxx-xxxx-xx (5-4-2)

为了使所有不同的形式相同，我需要在 3 个不同条件中的每一个的特定位置插入一个额外的零，如下所示：

xxxxx-0xxx-xx
xxxxx-xxxx-0x
0xxxx-xxxx-xx

有人对实现这一目标的最佳方法有想法吗？

Answer 1

我会使用sprintfand来做到这一点strsplit：

x <- c('11111-111-11', '11111-1111-1', '1111-1111-11')
y <- strsplit(x, '-')
myfun <- function(y) {
  first <- sprintf('%05d', as.integer(y[1]))
  second <- sprintf('%04d', as.integer(y[2]))
  third <- sprintf('%02d', as.integer(y[3]))

  paste(first, second, third, sep='-')
}

sapply(y, myfun)
# [1] "11111-0111-11" "11111-1111-01" "01111-1111-11"

您也可以使用花哨的正则表达式或gsubfn包来执行此操作，但这可能有点矫枉过正！

Answer 2

贾斯汀解决方案的略短且功能更强大的编程版本

numbers <- c('11111-111-11', '11111-1111-1', '1111-1111-11')
restyle <- function(number, fmt){
  tmp <- as.list(as.integer(strsplit(number, '-')[[1]]))
  do.call(sprintf, modifyList(tmp, list(fmt = fmt)))
}

sapply(numbers, restyle, fmt = '%05d-%04d-%02d', USE.NAMES = F)

Answer 3

您是否在类似 Unix 的环境中工作？在命令行使用 sed 可能比使用 R 的正则表达式函数更容易。

echo "54324-965-23" | sed 's/\(.....\)-\(...\)-\(..\)/\1-0\2-\3/'

会吐回来

54324-0965-23

如果你想将它应用到整个文件，它看起来像

cat file1.txt | sed 's/\(.....\)-\(...\)-\(..\)/\1-0\2-\3/' > file2.txt

如果您有多个 txt 更改操作，您可以将它们全部连接在一起

cat file1.txt | sed 's/\(.....\)-\(...\)-\(..\)/\1-0\2-\3/' | sed '2ndthing' | sed 'thirdthing' > file2.txt

Answer 4

一种解决方案是首先删除连字符，然后将它们添加回所需的字符位置，如下所示：

> v <- c("01234-567-89","01234-5678-9","0123-4567-89")
> v
[1] "01234-567-89" "01234-5678-9" "0123-4567-89"
> #remove hyphens
> v <- gsub("-","",v)
> v
[1] "0123456789" "0123456789" "0123456789"
> #add hyphens
> paste(substr(v,1,4),substr(v,5,8),substr(v,9,10),sep="-")
[1] "0123-4567-89" "0123-4567-89" "0123-4567-89"