纠正错误的价格答案

【问题标题】：Correct wrong prices纠正错误的价格
【发布时间】：2015-07-18 17:55:03
【问题描述】：

数据：

DB1 <- data.frame(orderItemID  = 1:10,     
price = c("12.90","8.90","Mrz 40","79.95","Dez 45", "7.99","Jun 90","129.90","Jul 90","49.95")

预期结果：

   DB1 <- data.frame(orderItemID  = 1:10,     
 price = c("12.90","8.90","3.40","79.95","12.45", "7.99","6.90","129.90","7.90","49.95")

大家好，又是我 ;) 不幸的是，我的数据集中有一个非常困难的问题需要解决……正如你在上面看到的，我有一些正确的价格和一些不正确的价格。在错误的价格中，小数点前总是有字母而不是数字（错误的价格没有小数点）。这三个字母是一年中月份的首字母缩写词。例如 Dez 是一年中的第 12 个月，所以正确的数字是 12。所以 Dez 45 应该变成 12.45。 2.示例：六月是一年中的第 6 个月，所以正确的数字是 6。所以 6 月 90 应该变成 6.90。（希望清楚我的意思）

这就是我想要改造的东西

一月=1。

2 月=2。

先生=3。

四月=4。

麦=5。

六月=6。

7 月=7。

8 月=8。

9 月=9。

确定=10。

11 月 11 日。

德兹=12。

我这次真的不知道怎么解决这个问题……

希望有人有想法

【问题讨论】：

Dez 还是 Dec？和 Mar 还是 Mrz？ Okt 还是 Oct？
Dez，Mrz Okt：这是德语；）
哇 - 在这么短的时间内有这么多好答案：爱你们！ :)

标签： r

【解决方案1】：

如果您使用每个月的前三个字母

library(qdap) # mgsub
DB1$price<-mgsub(month.abb,1:12,DB1$price) 
#month.abb from baseR give abbreviated months

如果您坚持使用自己的月份缩写：

month_abb <-c("Jan","Feb","Mrz","Apr","Mai","Jun","Jul","Aug","Sep","Okt","Nov","Dez")
DB1$price<-mgsub(month_abb,1:12,DB1$price)

【讨论】：

【解决方案2】：

这是使用正则表达式的一种方法。首先，确保价格列是字符向量而不是因子

DB1$price<-as.character(DB1$price)

然后定义你想要的替代品

replacewith<-c("Jan"="1.", "Feb"="2.", "Mrz"="3.", "Apr"="4.", "Mai"="5.", "Jun"="6.", "Jul"="7.", "Aug"="8.", "Sep"="9.", "Okt"="10.", "Nov"="11.", "Dez"="12.")

现在把它们变成一个常规的表达式并匹配你的价格列

re <- paste0("^(",paste(names(replacewith),collapse="|"), ") ")
m <- regexpr(re,DB1$price, perl=T)
mm <- regmatches(DB1$price, m)

现在我们来寻找替代品

regmatches(DB1$price, m) <- replacewith[substr(mm, 1, nchar(mm)-1)]
DB1$price
#  [1] "12.90"  "8.90"   "3.40"   "79.95"  "12.45"  "7.99"   "6.90"   "129.90" "7.90"   "49.95"

【讨论】：

【解决方案3】：

我的解决方案是在“错误价格”总是包含一个两位数的假设下工作的。

让我从再次构建您的示例数据集开始：

DB1 <- data.frame(orderItemID  = 1:10,     
              price = c("12.90","8.90","Mrz 40","79.95","Dez 45", "7.99","Jun 90","129.90","Jul 90","49.95"),
              stringsAsFactors=FALSE)

我添加了参数stringsAsFactors=FALSE，这对于解决方案的工作很重要。它确保价格实际上是字符串，而不是因素变量。

然后解决方案分两步起作用。首先，我只是将价格转换为数字：

price_num <- as.numeric(DB1$price)

这会将错误的价格转换为 NA，这使得它们很容易被找到

wrong_prices <- is.na(price_num)

接下来，您必须定义实际使用的月份的缩写：

m_abb <- c("Jan","Feb","Mrz","Apr","Mai","Jun","Jul","Aug","Sep","Okt","Nov","Dez")

有内置变量month.abb。如果它与您的数据集中的月份缩写匹配，您当然可以使用那个缩写。这取决于您的语言环境设置，就我而言，我不得不手动重新定义变量。

不，我定义了将错误价格转换为数字的函数：

convert_wrong_prices <- function(wp) {
   wp_split <- strsplit(wp," ")
   convert_wps <- function(wps) {
      match(wps[1],m_abb) + as.numeric(wps[2])/100
   }
   wp_converted <- sapply(wp_split,convert_wps)
   return (wp_converted)
}

最后，它可以应用了：

price_num[wrong_prices] <- convert_wrong_prices(DB1$price[wrong_prices])
DB1$price_num <- price_num

【讨论】：