我正在使用 gsub() 函数从数据中删除不需要的文本。我只想在括号中输入年龄，而不是出生日期。但是，这是在具有不同出生日期的大型数据集中。
数据示例：
Test1$Age
Sep 10, 1990(27)
Mar 26, 1987(30
Feb 24, 1997(20)
【问题讨论】：
gsub('\\(([0-9]+)\\)', '\\1', x)
.*
您可以使用stringr 包中的str_extract() 执行此操作：
s <- "Sep 10, 1990(27)"
# get the age in parentheses
stringr::str_extract(s, "\\([0-9]+\\)")
# just the age, with parentheses removed
stringr::str_extract(s, "(?<=\\()[0-9]+")
输出是：
> s <- "Sep 10, 1990(27)"
>
> # get the age in parentheses
> stringr::str_extract(s, "\\([0-9]+\\)")
[1] "(27)"
>
> # just the age, with parentheses removed
> stringr::str_extract(s, "(?<=\\()[0-9]+")
[1] "27"
第一个正则表达式匹配包含一个或多个数字的成对括号。第二个正则表达式使用positive lookbehind 匹配左括号后面的一个或多个数字。
如果您的数据在 data.frame df 中，列名为 age，那么您可以执行以下操作：
df$age <- stringr::str_extract(df$age, "\\([0-9]+\\)")
或者，用tidyverse 表示法：
df <- df %>% mutate(age = stringr::str_extract(age, "\\([0-9]+\\)"))
【讨论】：
好像有两个问题：
1) sub 可以使用sub 解决这些问题。匹配
.* 后跟[(] 后跟 (\\d+) 后跟[)]? 然后用左括号替换它，匹配捕获组\\1 和右括号。
没有使用任何包。
pat <- ".*[(](\\d+)[)]?"
transform(test, Age = sub(pat, "(\\1)", Age))
如果您希望将年龄作为数字字段，则：
transform(test, Age = as.numeric(sub(pat, "\\1", Age)))
2) substring/sub 另一种可能性是从第 13 个字符开始，它给出从左括号到字符串末尾的所有内容，如果缺失，则插入 a )。 )?$ 匹配字符串末尾的右括号，如果没有，则仅匹配字符串的末尾。用右括号代替。同样，没有使用任何包。
transform(test, Age = sub(")?$", ")", substring(Age, 13))
如果我们想要一个数字 Age 的一种变体，那就是从第 14 个字符中取出所有内容并删除最后的 )（如果存在）。
transform(test, Age = as.numeric(sub(")", "", substring(Age, 14))))
3) read.table 使用read.table 读取带有sep = "(" 和comment.char = ")" 的Age 字段，然后选择读取的第二列。这将给出数字年龄，我们可以使用sprintf 用括号括起来。如果Age 是字符（而不是因子），那么as.character(Age) 可以选择写为Age。
同样，没有使用任何包。这个不使用正则表达式。
transform(test, Age =
sprintf("(%s)", read.table(text = as.character(Age), sep = "(", comment.char = ")")$V2)
注意：可重现形式的输入是：
test <- data.frame(Age = c("Sep 10, 1990(27)", "Mar 26, 1987(30", "Feb 24, 1997(20)"))
【讨论】：