Estrazione di numeri da vettori di stringhe

Ho una stringa come questa:

years<-c("20 years old", "1 years old")

Vorrei grep solo il numero numerico da questo vettore. L'output previsto è un vettore:

c(20, 1)

Come procedo a fare questo?

Che ne dite di

# pattern is by finding a set of numbers in the start and capturing them
as.numeric(gsub("([0-9]+).*$", "\\1", years))

o

# pattern is to just remove _years_old
as.numeric(gsub(" years old", "", years))

o

# split by space, get the element in first index
as.numeric(sapply(strsplit(years, " "), "[[", 1))

Penso che la sostituzione sia un modo indiretto per arrivare alla soluzione. Se vuoi recuperare tutti i numeri, ti consiglio gregexpr:

matches <- regmatches(years, gregexpr("[[:digit:]]+", years))
as.numeric(unlist(matches))

Se hai più corrispondenze in una stringa, verranno ottenute tutte. Se sei interessato solo alla prima corrispondenza, usa regexprinvece di gregexpre puoi saltare il unlist.

Aggiorna Poiché extract_numericè deprecato, possiamo usare parse_numberfrom readrpackage.

library(readr)
parse_number(years)

Ecco un'altra opzione con extract_numeric

library(tidyr)
extract_numeric(years)
#[1] 20  1

Ecco un'alternativa alla prima soluzione di Arun, con un'espressione regolare più semplice simile a Perl:

as.numeric(gsub("[^\\d]+", "", years, perl=TRUE))

O semplicemente:

as.numeric(gsub("\\D", "", years))
# [1] 20  1

Una stringrsoluzione pipeline:

library(stringr)
years %>% str_match_all("[0-9]+") %>% unlist %>% as.numeric

Potresti sbarazzarti anche di tutte le lettere:

as.numeric(gsub("[[:alpha:]]", "", years))

Probabilmente questo è meno generalizzabile.

Estrae i numeri da qualsiasi stringa nella posizione iniziale.

x <- gregexpr("^[0-9]+", years)  # Numbers with any number of digits
x2 <- as.numeric(unlist(regmatches(years, x)))

Estrai numeri da qualsiasi stringa INDIPENDENTE dalla posizione.

x <- gregexpr("[0-9]+", years)  # Numbers with any number of digits
x2 <- as.numeric(unlist(regmatches(years, x)))

Possiamo anche usare str_extractdastringr

years<-c("20 years old", "1 years old")
as.integer(stringr::str_extract(years, "\\d+"))
#[1] 20  1

Se ci sono più numeri nella stringa e vogliamo estrarli tutti, possiamo usare str_extract_allche a differenza di str_extractrestituisce tutti i macthes.

years<-c("20 years old and 21", "1 years old")
stringr::str_extract(years, "\\d+")
#[1] "20"  "1"

stringr::str_extract_all(years, "\\d+")

#[[1]]
#[1] "20" "21"

#[[2]]
#[1] "1"

Dopo il post di Gabor Grothendieck, posta nella mailing list di r-help

years<-c("20 years old", "1 years old")

library(gsubfn)
pat <- "[-+.e0-9]*\\d"
sapply(years, function(x) strapply(x, pat, as.numeric)[[1]])

Usando il pacchetto unglue possiamo fare:

# install.packages("unglue")
library(unglue)

years<-c("20 years old", "1 years old")
unglue_vec(years, "{x} years old", convert = TRUE)
#> [1] 20  1

^{Creato il 06/11/2019 dal pacchetto reprex (v0.3.0)}

Maggiori informazioni: https://github.com/moodymudskipper/unglue/blob/master/README.md