R-gsub（）用於從數據集中刪除日期

Question

我正在使用gsub（）函數從數據中刪除不需要的文本。 我只想把年齡放在括號內，而不是出生日期。 但是，這是在具有不同出生日期的大型數據集中。

數據示例：

Test1$Age

Sep 10, 1990(27)
Mar 26, 1987(30
Feb 24, 1997(20)

Answer 1

您可以使用stringr包中的str_extract()進行此stringr ：

s <- "Sep 10, 1990(27)"

# get the age in parentheses
stringr::str_extract(s, "\\([0-9]+\\)")

# just the age, with parentheses removed
stringr::str_extract(s, "(?<=\\()[0-9]+")

輸出為：

> s <- "Sep 10, 1990(27)"
> 
> # get the age in parentheses
> stringr::str_extract(s, "\\([0-9]+\\)")
[1] "(27)"
> 
> # just the age, with parentheses removed
> stringr::str_extract(s, "(?<=\\()[0-9]+")
[1] "27"

第一個正則表達式匹配包含一個或多個數字的成對括號。 第二個正則表達式使用正向后括號來匹配括號后的一個或多個數字。

如果您的數據位於data.frame df ，其列名為age ，則可以執行以下操作：

df$age <- stringr::str_extract(df$age, "\\([0-9]+\\)")

或者，以tidyverse表示法：

df <- df %>% mutate(age = stringr::str_extract(age, "\\([0-9]+\\)"))

Answer 2

似乎有兩個問題：

1. 不需要左括號之前的日期
2. 右括號有時會丟失，需要將其插入

1）sub這些可以通過sub解決。 比賽

• 任意數量的字符.*后跟
• 文字左括號[(]后跟
• 捕獲組(\\\\d+)數字，后跟
• 可選的右括號[)]?

然后將其替換為左括號，與捕獲組\\\\1的匹配項和右括號。

不使用任何軟件包。

pat <- ".*[(](\\d+)[)]?"
transform(test, Age = sub(pat, "(\\1)", Age))

相反，如果您希望使用年齡作為數字字段，則：

transform(test, Age = as.numeric(sub(pat, "\\1", Age)))

2）substring / sub另一個可能的方法是從第13個字符開始，該字符給出從左括號到字符串末尾的所有內容，如果缺少則插入a）。 )?$在字符串的末尾匹配右括號，如果沒有則僅匹配字符串的末尾。 替換為右括號。 同樣，不使用任何軟件包。

transform(test, Age = sub(")?$", ")", substring(Age, 13))

如果我們希望使用數字Age作為替代，則可以采用第14個字符中的所有內容，如果有的話，則刪除最后一個）。

transform(test, Age = as.numeric(sub(")", "", substring(Age, 14))))

3）read.table使用read.table來讀取sep = "("和comment.char = ")"的Age字段，並選擇第二列read。 這將給出數字年齡，我們可以使用sprintf用括號將其括起來。 如果Age是字符（而不是factor），那么as.character(Age)可以選擇寫成Age 。

同樣，不使用任何軟件包。 這個不使用正則表達式。

transform(test, Age = 
  sprintf("(%s)", read.table(text = as.character(Age), sep = "(", comment.char = ")")$V2)

注意：可復制形式的輸入為：

test <- data.frame(Age = c("Sep 10, 1990(27)", "Mar 26, 1987(30", "Feb 24, 1997(20)"))