从通过重复标点字符连接的字符串的列中提取数字答案

【问题标题】：Extracting numbers from column with string connected through repeated punctuation character从通过重复标点字符连接的字符串的列中提取数字
【发布时间】：2021-05-06 12:50:57
【问题描述】：

我有一列的值如下：

string.b.string.1.
string.b.string.2.
string.b.string.3.
string.b.string.10.
string.b.string.300.

以此类推，数字从 0 到 300

我需要从该列中提取并删除数字并将其放入另一列中，从而产生如下输出：

"Id"          "Variable"   
1             string.b.string
2             string.b.string
3             string.b.string
10            string.b.string
300           string.b.string

到目前为止，我对 gsub() 或 readr::parse_number() 的所有尝试都失败了，因为我只是不了解这些 gsub() 函数的语法。我通常失败了，因为“。”在变量中重复...

非常感谢任何帮助，谢谢！

【问题讨论】：

标签： r gsub

【解决方案1】：

你可以使用tidyr::extract：

tidyr::extract(df, V1, c('Variable', 'Id'), '(.*?)(\\d+)', convert = TRUE) 

#          Variable  Id
#1 string.b.string.   1
#2 string.b.string.   2
#3 string.b.string.   3
#4 string.b.string.  10
#5 string.b.string. 300

数据

df <- structure(list(V1 = c("string.b.string.1.", "string.b.string.2.", 
"string.b.string.3.", "string.b.string.10.", "string.b.string.300."
)), class = "data.frame", row.names = c(NA, -5L))

【讨论】：

非常感谢！是否可以详细说明 '(.*?)(\\d+)' 到底是做什么的？
第一列是所有内容，直到遇到一个数字，即 (.*?) 部分，第二列是数字，即 (\\d+)。 .

【解决方案2】：

您可以使用 base 中的strcapture。

strcapture("(.*)\\.(\\d+)", df$V1,
 data.frame(Variable=character(), Id=integer()))
#         Variable  Id
#1 string.b.string   1
#2 string.b.string   2
#3 string.b.string   3
#4 string.b.string  10
#5 string.b.string 300

【讨论】：

【解决方案3】：

使用base R

read.csv(text = sub("(.*)\\.(\\d+)\\.$", "\\1,\\2", df$V1), header = FALSE,
      col.names = c('Variable', 'Id'))

-输出

#         Variable  Id
#1 string.b.string   1
#2 string.b.string   2
#3 string.b.string   3
#4 string.b.string  10
#5 string.b.string 300

【讨论】：