从字符串中提取数字，然后在创建新列之前将其作为数字进行操作(可选

Question

相关问题，这里是R/dplyr: How to only keep integers in a data frame?，这里是R extract first number from string，但这试图捕捉到一些社会科学中相对常见的案例。

假设下面的例子中的数据是文本和数字在一个字段中的混合。也许是一些调查过程的结果。您希望可靠地提取所有数字并忽略文本，但是如果有多个数字，您可能希望使用mean或median或其他一些数字函数来获得一个“最佳”答案。

library(dplyr)
library(stringr)
library(purrr)
Years <- c("0 to 1 year",
           "5 yrs",
           "About 10 yrs",
           "20 yrs",
           "4 yrs",
           "4-5 yrs",
           "75 to 100 YEARS old",
           ">1 yearsmispelled or whatever")
df <- data.frame(Years)

Answer 1

尽管我知道可以使用其他正则表达式和base工具来解决问题，但我还是要介绍一个tidyverse解决方案。替换许多其他数字运算符(如median )很简单，而且无论找到多少个数字，此解决方案都将有效。

library(dplyr)
library(stringr)

df <- df %>% 
  mutate(
    NewYears = str_extract_all(Years, "[0-9]+") %>%
      purrr::map( 
        ~ifelse(
           length(.x) == 1, 
           as.numeric(.x), 
           mean(unlist(as.numeric(.x)))
        )
      )
  )

df
#>                           Years NewYears
#> 1                   0 to 1 year      0.5
#> 2                         5 yrs        5
#> 3                  About 10 yrs       10
#> 4                        20 yrs       20
#> 5                         4 yrs        4
#> 6                       4-5 yrs      4.5
#> 7           75 to 100 YEARS old     87.5
#> 8 >1 yearsmispelled or whatever        1

Answer 2

您不需要检查提取的数字的长度，因为1个数字的mean/median/sum是相同的数字。

sapply(stringr::str_extract_all(df$Years, '\\d+'),function(x) mean(as.numeric(x)))
#[1]  0.5  5.0 10.0 20.0  4.0  4.5 87.5  1.0

要使用pipe执行此操作，请执行以下操作：

library(dplyr)
library(stringr)
library(purrr)

df %>%
  mutate(NewYear = str_extract_all(Years, '\\d+'), 
         NewYear = map_dbl(NewYear, ~mean(as.numeric(.x))))


#                          Years NewYear
#1                   0 to 1 year     0.5
#2                         5 yrs     5.0
#3                  About 10 yrs    10.0
#4                        20 yrs    20.0
#5                         4 yrs     4.0
#6                       4-5 yrs     4.5
#7           75 to 100 YEARS old    87.5
#8 >1 yearsmispelled or whatever     1.0