R：用于从数字字符向量中提取非数字条目的正则表达式

Question

我有一个 data.frame，其中一列数字数据被 readr 作为字符读取，至少部分是因为某些值是“N/A”。我不知道这些值是否真的包含引号。

我正在尝试提取该列中包含纯数字以外的内容的所有值，即包含非数字 1-9 的任何字符。我的目的是了解其中有多少，并查看除了“N/A”之外是否还有其他格式，以准备用其他格式替换它们，然后将向量转换为数字。

虽然我相信有更聪明的方法可以做到这一点，但我正在尝试使用从使用 R 的 grepl 命令应用于向量的正则表达式创建的逻辑向量来提取这些值。

A2 <- 1:10
A3 <- sample(1000:9999, 10)

dat_df <- data.frame(A2, A3)
str(dat_df)
dat_df$A3[1:3]<- c("N/A", "", "banana")

dat_df 是一个简化的数据集，提供了可重复性。

这是一个例子

dat_df$A3[grepl(as.character(\<\d*[a-zA-Z][a-zA-Z0-9]*>\), x = dat_df$A3)]

这个特定的给出了错误

Error: unexpected '<' in dat_df"$A3[grepl(as.character(\<"

我已经尝试了很多这样的变种。这些包括： 将初始数据包装在 ( ) 中（以防出现优先级问题）。 使用帮助文件推荐的as.character 或带引号将正则表达式定义为字符串。 用^ 和$ 代替\< 和>\ 包裹正则表达式的中心部分 将所有“\”s 加倍

在每种情况下，我都会得到上面显示的语法错误的一些变体，随版本而变化。

Error: unexpected (and then)

• '^' 如果它以'^'开头
• '\' 如果它以'\'开头
• ' 开头
• '\d' 如果用引号括起来而不是使用 as.character

我无法从这种错误模式中找出正面或反面。

感激地接受和承认任何帮助。

Answer 1

首先，as.character(\<\d*[a-zA-Z][a-zA-Z0-9]*>\) 不正确且不起作用。例如，as.character(A) 不会给您“A”，但会给出错误。您应该用引号将模式括起来。

其次，在 R 正则表达式中，您需要使用双反斜杠进行转义。所以\\ 而不是\。

如果您只有整数数据，您可以使用 grep 与 invert = TRUE 和 value = TRUE 来获取不是数字的值。

grep('^\\d+$', dat_df$A3, invert = TRUE, value = TRUE)
#[1] "N/A"    ""       "banana"

要将这些值更改为 NA 并将它们转换为数字，您可以这样做 -

dat_df$A3[grep('^\\d+$', dat_df$A3, invert = TRUE)] <- NA
dat_df$A3 <- as.numeric(dat_df$A3)
dat_df

#   A2   A3
#1   1   NA
#2   2   NA
#3   3   NA
#4   4 7475
#5   5 1162
#6   6 9828
#7   7 6359
#8   8 7823
#9   9 2544
#10 10 5287

如果您更喜欢 grep，也可以使用 grepl 来做同样的事情，但它没有 value 和 invert 参数，因此可能需要更改一些小东西才能使其正常工作。