我正在处理的数据中,文本注释用于记录字段内容的更改,而不是有额外的记录和开始/结束日期。数据看起来如下:
Study Fob
1 100
2 101 now 102
3 103注:测试数据可以用以下方法构造:
df <- data.frame(Study = 1:3,
Fob = c("100", "101 now 102", "103"),
stringsAsFactors = FALSE)我想以以下形式结束,这样我基本上可以将它作为从Fob信号数据到研究ID的多对一转换来处理:
Study Fob
1 100
2 101
2 102
3 103我可以用以下方式去除多余的文字:
df$IDs <- strsplit(df$Fob, "[^0-9]+")这让我觉得:
Study Fob IDs
1 100 100
2 101 now 102 c("101", "102")
3 103 103但不能再继续下去了。我的第一个想法是尝试并使用基于it长度的计数器对具有多个it (如2)的行进行replicate,但是添加df$counter <- length(df$IDs)只会得到一个值为3的列,因为它使用的是it列的长度,而不是其中的元素。
发布于 2015-08-25 13:19:57
一种选择是来自cSplit的library(splitstackshape)。我们将模式指定为split,使用fixed=FALSE作为默认的是fixed=TRUE和direction = 'long'
library(splitstackshape)
cSplit(df, 'Fob', '[^0-9]+', fixed=FALSE, 'long')
# Study Fob
#1: 1 100
#2: 2 101
#3: 2 102
#4: 3 103[^0-9]+意味着还有一个不是数字的字符。因此,它将被所有非数字字符拆分,只留下数字部分.默认情况下,type.convert=TRUE,所以我们将在split之后获得数值列class。
或者不使用[^0-9]+,紧凑的版本应该是\\D+来匹配所有非数字字符(来自@David Arenburg的注释)。
cSplit(df, 'Fob', '\\D+', fixed=FALSE, 'long')https://stackoverflow.com/questions/32205107
复制相似问题