将字符数据拆分为数字和字母答案

【问题标题】：split character data into numbers and letters将字符数据拆分为数字和字母
【发布时间】：2012-03-18 05:54:35
【问题描述】：

我有一个字符数据向量。向量中的大多数元素由一个或多个字母后跟一个或多个数字组成。我希望将向量中的每个元素拆分为字符部分和数字部分。我在 Stackoverflow.com 上发现了一个类似的问题：

split a character from a number with multiple digits

但是，上面给出的答案在我的情况下似乎并不完全有效，或者我做错了什么。下面是一个示例向量：

my.data <- c("aaa", "b11", "b21", "b101", "b111", "ccc1", "ddd1", "ccc20", "ddd13")

# I can obtain the number portion using:
gsub("[^[:digit:]]", "", my.data)

# However, I cannot obtaining the character portion using:
gsub("[:digit:]", "", my.data)

如何获取角色部分？我在 Windows 7 64 位机器上使用 R 版本 2.14.1。

【问题讨论】：

或许你需要使用double-[:gsub("[[:digit:]]", "", my.data)

标签： r

【解决方案1】：

由于之前的答案都没有使用tidyr::separate，所以这里是：

library(tidyr)

df <- data.frame(mycol = c("APPLE348744", "BANANA77845", "OATS2647892", "EGG98586456"))

df %>%
  separate(mycol, 
           into = c("text", "num"), 
           sep = "(?<=[A-Za-z])(?=[0-9])"
           )

【讨论】：

这太棒了，你能详细说明你正在使用的正则表达式吗？我试图使用“[0-9]”，但显然它会删除字母后的所有数字
?<= 是“向后看”：这里它基本上匹配“光标之前”的任何大写或小写字母 ([A-Za-z])。 ?= 是“向前看”：它匹配“光标后”的任何数字 ([0-9])。这两个都没有“移动光标”，因此将它们放在一起匹配字母和数字的“中间”，即我们要拆分的位置。有关 ICU 正则表达式的更多信息，请参阅 here。

【解决方案2】：

对于您的正则表达式，您必须使用：

gsub("[[:digit:]]","",my.data)

[:digit:] 字符类仅在一组[] 中才有意义。

【讨论】：

【解决方案3】：

使用stringr，如果您愿意（与answer to the other question 略有不同）：

# load library
library(stringr)
#
# load data
my.data <- c("aaa", "b11", "b21", "b101", "b111", "ccc1", "ddd1", "ccc20", "ddd13")
#
# extract numbers only
my.data.num <- as.numeric(str_extract(my.data, "[0-9]+"))
#
# check output
my.data.num
[1]  NA  11  21 101 111   1   1  20  13
#
# extract characters only
my.data.cha <- (str_extract(my.data, "[aA-zZ]+"))
# 
# check output
my.data.cha
[1] "aaa" "b"   "b"   "b"   "b"   "ccc" "ddd" "ccc" "ddd"

【讨论】：

【解决方案4】：

迟到的答案，但另一种选择是将strsplit 与正则表达式模式一起使用，该模式使用环视来查找数字和字母之间的边界：

var <- "ABC123"
strsplit(var, "(?=[A-Za-z])(?<=[0-9])|(?=[0-9])(?<=[A-Za-z])", perl=TRUE)
[[1]]
[1] "ABC" "123"

当前一个字符是字母而后一个字符是数字时，上述模式将匹配（但不消耗），反之亦然。请注意，我们在 Perl 模式下使用 strsplit 来访问环视。

Demo

【讨论】：

【解决方案5】：

稍微优雅一点的方式（没有任何外部包）：

> x = c("aaa", "b11", "b21", "b101", "b111", "ccc1", "ddd1", "ccc20", "ddd13")
> gsub('\\D','', x)       # replaces non-digits with blancs
[1] ""    "11"  "21"  "101" "111" "1"   "1"   "20"  "13" 
> gsub('\\d','', x)       # replaces digits with blanks
[1] "aaa" "b"   "b"   "b"   "b"   "ccc" "ddd" "ccc" "ddd"

【讨论】：

【解决方案6】：

您还可以使用reshape2 中的colsplit 一步将向量拆分为字符和数字列：

library(reshape2)

colsplit(my.data, "(?<=\\p{L})(?=[\\d+$])", c("char", "digit"))

结果：

  char digit
1  aaa    NA
2    b    11
3    b    21
4    b   101
5    b   111
6  ccc     1
7  ddd     1
8  ccc    20
9  ddd    13

数据：

my.data <- c("aaa", "b11", "b21", "b101", "b111", "ccc1", "ddd1", "ccc20", "ddd13")

【讨论】：

【解决方案7】：

mydata.nub<-gsub("\ \ D","",my.data)

mydata.text<-gsub("\ \ d","",my.data)

这个就完美了，也把数字和文字分开了，即使文字之间有数字。

【讨论】：

【解决方案8】：

如果结果应该被重新分配给一个单个分割字符串：

var <- "foo123 bar1987"
rpaste(strsplit(var, "(?=[A-Za-z])(?<=[0-9])|(?=[0-9])(?<=[A-Za-z])", perl=TRUE)[[1]], collapse = ' ')

结果：

"foo 123 bar 1987"

或者对于要重新分配给数据框的矢量化版本：

df = data.frame(text=c("foo121", "131bar foo1516"))
res = strsplit(df$text, "(?=[A-Za-z])(?<=[0-9])|(?=[0-9])(?<=[A-Za-z])", perl=TRUE)
df$res = sapply(res, paste, collapse=" ")

结果：

            text              res
1         foo121          foo 121
2 131bar foo1516 131 bar foo 1516

【讨论】：