如何在數據框列的每個框中搜索正則表達式，然后僅返回匹配項而不是 R 中的整個字段？

Question

我有以下數據框：

df <- data.frame(a=c("23034185- Breast Cancer","24586730- Glioblastoma"), b=c(25, 47))

我想搜索 a 列以查看該框是否包含數字，如果是，則僅返回數字而不是整個字段。 所以 output 應該是“23034185”、“24586730”而不是包含整個字段。

請幫忙，謝謝。

Answer 1

一個可能的解決方案：

library(tidyverse)

df <- data.frame(a=c("23034185- Breast Cancer","24586730- Glioblastoma"), b=c(25, 47))

df %>% 
  mutate(number = str_extract(a, "^\\d+"))

#>                         a  b   number
#> 1 23034185- Breast Cancer 25 23034185
#> 2  24586730- Glioblastoma 47 24586730

Answer 2

我們可以使用來自基礎 R 的gsub 。 模式[^0-9]表示“在df$a中查找不是數字的字符並將它們替換為空字符”。

df$c <- gsub('[^0-9]', '', df$a)

> df
                        a  b        c
1 23034185- Breast Cancer 25 23034185
2  24586730- Glioblastoma 47 24586730

df$c列實際上不包含數字，而是字符串。

> str(df$c)
 chr [1:2] "23034185" "24586730"

如果您希望使用這些數字執行任何計算，您可以使用as.numeric()直接將它們轉換為數字。

df$c <- as.numeric(gsub('[^0-9]', '', df$a))

> str(df$c)
 num [1:2] 23034185 24586730