清除R data.table中的字符串列和数字列

Question

我尝试清理一个包含文本和数字列的data.frame。我想排除示例列"name“中的数字，只取列" number”的第一个数字(没有字符串)。

我使用data.table并创建了这个框架：

df <- data.frame(x=c(1,2,3,4,5,6,7,8),
                 name=c('Tom', 'Maria. Anna3', 'Ina.2', 'Anna13', 'Tim2a', 'Zoé', 'Mark_1', 'Bea: 2'), 
                 number=c('12, 13', '11/12', '3b', '12, 13', '134z', 'number 14', 'B3', '3-5'))

如上所述，我希望得到一个干净的表，如下所示：

df_cleaned <- data.frame(x=c(1,2,3,4,5,6,7,8),
                         name=c('Tom', 'Maria Anna', 'Ina', 'Anna', 'Tim', 'Zoé', 'Mark', 'Bea'),
                         number=c('12', '11', '3', '12', '134', '14', '3', '3'))

非常感谢您的回复：)

Answer 1

您可以使用readr::parse_number，它就是这样做的。

readr::parse_number(df$number)
#[1]  12  11   3  12 134  14   3   3

或者在R基地-

as.numeric(sub('.*?(\\d+).*', '\\1', df$number))

要清理名称，可以使用regex -

df$name <- sub('([ :_.]|\\d).*', '', df$name)
#[1] "Tom"   "Maria" "Ina"   "Anna"  "Tim"   "Zoé"   "Mark"  "Bea"  

Answer 2

这样做是可行的：

library(dplyr)
library(stringr)
df %>% mutate(name = str_extract(name, '[A-Za-z]+'), number = parse_number(number))
  x  name number
1 1   Tom     12
2 2 Maria     11
3 3   Ina      3
4 4  Anna     12
5 5   Tim    134
6 6    Zo     14
7 7  Mark      3
8 8   Bea      3