清理字符向量并 strsplit 成数据框答案

【问题标题】：Clean character vector and strsplit into dataframe清理字符向量并 strsplit 成数据框
【发布时间】：2016-04-13 14:42:51
【问题描述】：

我有一个要转换为数据框的字符验证器。它大部分都很干净，但我不知道如何完成清洁。请注意，实际数据是Date 列作为yyyy-mm-dd 和Variable 列作为数字（在本例中为四位但不总是），用逗号分隔。

class(myvec)
[1] "character"
myvec
[1] " \"2016-01-01,8631n\" " " \"2016-01-02,8577n\" "
[3] " \"2016-01-03,8476n\" " " \"2016-01-04,8365n\" "
[5] " \"2016-01-05,8331n\" " " \"2016-01-06,8801n\" "
[7] " \"2016-01-07,5020n\""

应该删除空格和反斜杠“（'\”'）。与 n\" 相同预期的输出应该是这样的数据框

    Date         Variable  
[1,] "2016-01-01" "8631"
[2,] "2016-01-02" "8577"
[3,] "2016-01-03" "8476"
[4,] "2016-01-04" "8365"
[5,] "2016-01-05" "8331"
[6,] "2016-01-06" "8801"
[7,] "2016-01-07" "5020"

一旦向量是氏族，我认为这样就可以了

do.call(rbind,strsplit(clean_vector,","))

我想我可以自己将lubridate 和var 转换为数字，用 as.numeric 转换为数字，问题是要让字符向量干净且格式正确。

【问题讨论】：

gsub("[n \"]","",x) # "2016-01-01,8631" 适用于第一个。您也可以只使用substr，因为您的所有对象似乎都是固定宽度的。
@Frank 请发布答案，这太棒了！也可以提供一些解释

标签： regex r

【解决方案1】：

您可以通过枚举它们来删除违规字符：

# example
x = " \"2016-01-01,8631n\" "

gsub("[n \"]","",x)
# "2016-01-01,8631"

这是因为[xyz] 可以识别列表xyz 中的任何单个字符。

或者你可以取一个子字符串，因为格式是固定宽度的，开头和结尾的字符不好：

substr(x,3,17)
# "2016-01-01,8631"

如果字符串的 var 部分长度不同，nchar(x)-3 应该代替 17。

【讨论】：

第二个是我原来的方法，但我注意到“项目具有固定宽度”是不正确的，我无法预测数字何时会有更多数字
@MatiasAndina 你可以使用nchar(x)-3 或者如果最后总是有三个坏字符。
好久没见了。加一。