我有一些数据是用“|”分隔的数字，例如：
head(mintimes)
[1] "3121|3151" "1171" "1351|1381" "1050" "" "122"
head(minvalues)
[1] 14 10 11 31 Inf 22
我想做的是提取所有时间并将它们与最小值匹配。最后得到类似的东西：
times values
3121 14
3151 14
1171 10
1351 11
1381 11
1050 31
122 22
我试过strsplit(mintimes, "|") 和str_extract(mintimes, "[0-9]+")，但它们似乎不起作用。有什么想法吗？
【问题讨论】：
| 是一个正则表达式元字符。在字面上使用时，这些特殊字符需要使用[] 或\\ 进行转义（或者您可以在某些函数中使用fixed = TRUE）。所以你打电话给strsplit() 应该是
strsplit(mintimes, "[|]")
或
strsplit(mintimes, "\\|")
或
strsplit(mintimes, "|", fixed = TRUE)
关于您使用 stringr 函数的其他尝试，str_extract_all() 似乎可以解决问题。
library(stringr)
str_extract_all(mintimes, "[0-9]+")
为了得到你想要的结果，
> mintimes <- c("3121|3151", "1171", "1351|1381", "1050", "", "122")
> minvalues <- c(14, 10, 11, 31, Inf, 22)
> s <- strsplit(mintimes, "[|]")
> data.frame(times = as.numeric(unlist(s)),
values = rep(minvalues, sapply(s, length)))
# times values
# 1 3121 14
# 2 3151 14
# 3 1171 10
# 4 1351 11
# 5 1381 11
# 6 1050 31
# 7 122 22
【讨论】：
默认情况下strsplit 使用正则表达式和“|”进行拆分是正则表达式语法中的特殊字符。你可以逃避它
strsplit(mintimes,"\\|")
或者只是设置 fixed=T 不使用正则表达式
strsplit(mintimes,"|", fixed=T)
【讨论】：
我编写了一个名为cSplit 的函数，它对这些类型的事情很有用。你可以从我的 Gist 获得它：https://gist.github.com/mrdwab/11380733
用法是：
cSplit(data.table(mintimes, minvalues), "mintimes", "|", "long")
# mintimes minvalues
# 1: 3121 14
# 2: 3151 14
# 3: 1171 10
# 4: 1351 11
# 5: 1381 11
# 6: 1050 31
# 7: 122 22
它还有一个“宽”设置，以防万一这对你有用：
cSplit(data.table(mintimes, minvalues), "mintimes", "|", "wide")
# minvalues mintimes_1 mintimes_2
# 1: 14 3121 3151
# 2: 10 1171 NA
# 3: 11 1351 1381
# 4: 31 1050 NA
# 5: Inf NA NA
# 6: 22 122 NA
注意：输出是data.table。
【讨论】：
library(splitstackshape)了吧？
cSplit 作为答案的一部分——不准备全部更新（也因为这将问题推到了前面的“活动”页面，我不希望这种情况发生）。
cSplit Gist 中添加了一个message，提到它现在是“splitstackshape”的一部分。这应该会有所帮助:-)
正如其他人所提到的，您需要转义 | 以将其包含在正则表达式中。与往常一样，我们可以通过多种方式给这只猫剥皮，这是使用stringr 的一种方法：
x <- c("3121|3151", "1171", "1351|1381", "1050", "", "122")
library(stringr)
unlist(str_extract_all(x, "\\d+"))
# [1] "3121" "3151" "1171" "1351" "1381" "1050" "122"
如果数字字符串中有任何小数点，这将无法按预期工作，因此以下内容（表示匹配除| 之外的任何内容）可能更安全：
unlist(str_extract_all(x, '[^|]+'))
# [1] "3121" "3151" "1171" "1351" "1381" "1050" "122"
无论哪种方式，您都可能希望将结果包装在 as.numeric 中。
【讨论】：
这是另一个使用 stringi 包中的 stri_split_fixed 的解决方案。作为附加值，我们还使用mapply 和do.call。
输入数据：
mintimes <- c("3121|3151", "1171", "1351|1381", "1050", "", "122")
minvalues <- c(14, 10, 11, 31, Inf, 22)
拆分mintimes w.r.t. | 并转换为数字：
library("stringi")
mintimes <- lapply(stri_split_fixed(mintimes, "|"), as.numeric)
## [[1]]
## [1] 3121 3151
##
## [[2]]
## [1] 1171
##
## [[3]]
## [1] 1351 1381
##
## [[4]]
## [1] 1050
##
## [[5]]
## [1] NA
##
## [[6]]
## [1] 122
将每个minvalues与对应的mintimes进行列绑定：
tmp <- mapply(cbind, mintimes, minvalues)
## [[1]]
## [,1] [,2]
## [1,] 3121 14
## [2,] 3151 14
##
## [[2]]
## [,1] [,2]
## [1,] 1171 10
##
## [[3]]
## [,1] [,2]
## [1,] 1351 11
## [2,] 1381 11
##
## [[4]]
## [,1] [,2]
## [1,] 1050 31
##
## [[5]]
## [,1] [,2]
## [1,] NA Inf
##
## [[6]]
## [,1] [,2]
## [1,] 122 22
行绑定所有 6 个矩阵并删除 NA-rows：
res <- do.call(rbind, tmp)
res[!is.na(res[,1]),]
## [,1] [,2]
## [1,] 3121 14
## [2,] 3151 14
## [3,] 1171 10
## [4,] 1351 11
## [5,] 1381 11
## [6,] 1050 31
## [7,] 122 22
【讨论】：
要获得所需的输出，请尝试以下操作：
library(dplyr)
Split.Times <- function(x) {
mintimes <- as.numeric(unlist(strsplit(as.character(x$mintimes), "\\|")))
return(data.frame(mintimes = mintimes, minvalues = x$minvalues, stringsAsFactors=FALSE))
}
df <- data.frame(mintimes, minvalues, stringsAsFactors=FALSE)
df %>%
filter(mintimes != "") %>%
group_by(mintimes) %>%
do(Split.Times(.))
这会产生：
mintimes minvalues
1 1050 31
2 1171 10
3 122 22
4 1351 11
5 1381 11
6 3121 14
7 3151 14
（我从 my answer here 借来的——这几乎是同一个问题）
【讨论】：
这是一个qdap 封装方法：
mintimes <- c("3121|3151", "1171", "1351|1381", "1050", "", "122")
minvalues <- c(14, 10, 11, 31, Inf, 22)
library(qdap)
list2df(setNames(strsplit(mintimes, "\\|"), minvalues), "times", "values")
## times values
## 1 3121 14
## 2 3151 14
## 3 1171 10
## 4 1351 11
## 5 1381 11
## 6 1050 31
## 7 122 22
【讨论】：
你可以使用 [:punct:]
strsplit(mintimes, "[[:punct:]]")
【讨论】：