1

我正在尝试根据特定标准从字符串（评论）中提取一些数字。我想直接提取的数字遵循 24 小时格式的日期，并且始终包含小数位并且小于 20（字符串中还有其他数字，但我对这些不感兴趣）。我已经设法使用下面的 R 代码提取了我想要的数字，但无法将这些数字与它们来自的 ID 相关联。有些 ID 有多个感兴趣的数字，而有些只有一个。例如，我需要某种方法将下面给出的虚拟数据中的 ID 号与每个感兴趣的数字相关联。如您所见，ID 1 包含三个感兴趣的结果（4.1、6.9 和 4.3），而 ID 2 只有 1 个感兴趣的结果（6.5）。

任何帮助都会很棒！

(An example of the format of comment.txt)

    ID  comments
    1   abc1200 4.1  abc1100 6.9 etd1130 4.3 69.0
    2   abc0900 6.5 abcde 15
    3   3.2 0850 9.5 abc 8.2 0930 12.2 agft 75.0
    4   ashdfalsk 0950 10.5 dvvxcvszv asdasd assdas d 75.0


#rm(list=ls(all=TRUE))

#import text and pull out a list of all numbers contained withtin the free text
raw_text <- read.delim("comment.txt")
numbers_from_text <- gregexpr("[0-9]+.[0-9]", raw_text$comments)

numbers_list <- unlist(regmatches(raw_text$comments, numbers_from_text))
numbers_list <- as.data.frame(numbers_list)

#pull out those numbers that contain an decimal place and create a running count
format<-cbind(numbers_list,dem=(grepl("\\.",as.character(numbers_list$numbers_list)))*1,row.number=1:nrow(numbers_list))

#if the number does not contain a decimal (a date) then create a new row number which is the addition of the first row
#else return NA
test <- cbind(format,new_row = ifelse(format$dem==0, format$row.number+1, "NA"))

#match the cases where the new_row is equal to the row.number and then output the corresponding numbers_list
match <-test$numbers_list[match(test$new_row,test$row.number)]

#get rid of the NA's for where there wasnt a match and values less than 20 to ensure results are correct
match_NA <- subset(match, match!= "<NA>" & as.numeric(as.character(match))<20)

match_NA <- as.data.frame(match_NA)
4

1 回答 1

0

像这样的东西似乎有效，匹配以包含句点的空白开头的数字，然后转换为数字并提取小于 20 的数字。 

library(stringr)
temp <- apply(comments, 1, function(x) {
  str_extract_all(x,"[[:blank:]][0-9]+[.][0-9]")
})

library(purrr)
temp <- lapply(flatten(temp), function(x) as.numeric(str_trim(x)))
lapply(temp, function(x) x[x <20])

[[1]]
[1] 4.1 6.9 4.3

[[2]]
[1] 6.5

[[3]]
[1]  3.2  9.5  8.2 12.2

[[4]]
[1] 10.5
于 2016-08-13T23:19:18.730 回答