Добавление задних нулей в столбце идентификации

Question

У меня есть следующие данные, которые выглядят следующим образом:

            COLUPC               UPC
19638 715643501208 00-01-82000-72608
11783  15230000022 00-01-01820-00198
17140  18769210012 07-01-93271-20600
19624 711925600019 00-01-86243-11167
18706  28382012393 27-01-15503-01673
8716   13410025574 00-01-78250-00236

Столбцы COLUPC и UPC взяты из двух разных фреймов данных, и была взята случайная выборка каждого из них.COLUPC и UPC - это одинаковые уникальные идентификаторы.Просто COLUPC потерял свой формат.

Принятие значения первой строки для COLUPC - 715643501208.Он должен выглядеть как 07-01-56435-01208, следуя той же структуре, что и в столбце UPC.

С наблюдением становится немного сложнее 15230000022 Это должно выглядеть как 01-05-23000-00022 там, где в 4-й компонент добавлено 0, 00022 вместе с компонентами 1 и 2.

В документации, прилагаемой к файлу данных, указано, что COLUPC не содержит начальных нулей.

Итак;

Компонент 1 состоит из 2 цифр

Компонент 22 цифры (1 цифра с 0 в начале)

Компонент 3 5 цифр

Компонент 4 5 цифр

Взятие этого числа 00-01-01820-00198 из UPC столбец.В столбце COLUPC это приведет к падению до 11820198, где все ведущие нули будут удалены из компонентов 1, 2, 3 и 4.

Если я немного неясен, дайте мне знать.

Данные:

structure(list(COLUPC = c(715643501208, 15230000022, 18769210012, 
711925600019, 28382012393, 13410025574, 716708427455, 12210000157, 
13410025602, 17143945712, 17336011341, 13410062505, 11820053218, 
11820002989, 13410059505, 11820043550, 18417331130, 711820053025, 
18982650001, 18248813000, 17199077603, 18834510005, 13410048602, 
18417310545, 11820000987, 13410000217, 17089701331, 13410017256, 
618516510302, 23410030602, 17336080301, 613498630003, 17825000257, 
16206705155, 17031000013, 13410000555, 16206704972, 37031030703, 
27336082301, 17031023882, 18769227102, 18382056793, 31820000697, 
13410048574, 17199048004, 11820041550, 11820000884, 18572511509, 
14182700012, 13410010505, 18700050898, 18248812910, 18015761147, 
18549873837, 16821309117, 618516510402, 17231163009, 611969900006, 
11820011349, 11820000769, 13410046805, 13410000162, 13410000579, 
18374110012, 21820000801, 17231163011, 23410068505, 17199030030, 
11820000771, 17031000009, 28549873736, 11820000784, 17199048016, 
13410057256, 11820054028, 11820001991, 13410057602, 17336080341, 
21820029031, 715643501210, 17231163012, 17199047004, 18769201103, 
13410000623, 15230000540, 618516510704, 17336011348, 15230001301, 
618516510707, 17143934806, 18572511510, 28248800006, 13410057536, 
611969900002, 11820041047, 13410057340, 18769241103, 17199000025, 
21820000803, 14182700712), UPC = c("00-01-82000-72608", "00-01-01820-00198", 
"07-01-93271-20600", "00-01-86243-11167", "27-01-15503-01673", 
"00-01-78250-00236", "00-01-18200-96664", "00-01-99232-00055", 
"27-01-15504-02696", "00-01-34100-15306", "00-01-95301-13152", 
"00-03-22405-55555", "00-02-76398-50000", "00-01-82000-72750", 
"00-01-88573-50001", "00-01-72890-00122", "00-02-18200-00406", 
"00-03-18200-01168", "00-01-83820-73500", "27-01-00007-13019", 
"00-01-82548-20702", "07-01-19283-60388", "07-01-14834-00121", 
"07-01-02596-10001", "27-01-15503-03400", "06-01-30279-33706", 
"27-01-04200-18188", "07-01-80369-61992", "00-01-82153-19309", 
"00-01-34100-59205", "27-01-15504-00652", "00-02-18200-86030", 
"07-01-08820-49939", "27-01-04203-24019", "27-01-15503-00627", 
"27-01-15504-01210", "27-01-15504-01305", "00-02-18200-00006", 
"00-01-85498-66662", "00-01-50939-12201", "00-01-95374-70000", 
"00-01-81986-00187", "00-01-72620-20101", "07-02-19256-00043", 
"00-01-68213-05117", "07-01-86243-01106", "00-03-21242-00004", 
"27-01-15503-00969", "00-01-62067-38055", "07-01-36040-00657", 
"00-01-78250-00388", "00-01-62067-04971", "00-01-18200-15047", 
"27-01-00001-60539", "00-01-70378-54652", "00-01-52300-00005", 
"27-01-15504-01620", "00-01-70310-35738", "07-03-36920-11141", 
"27-01-15503-00049", "00-01-80480-90593", "00-01-18200-27168", 
"00-01-34100-14574", "07-01-92098-07234", "27-01-00007-05978", 
"06-01-05748-02000", "00-01-34100-92528", "06-01-43775-10306", 
"27-01-15503-01146", "27-01-00007-06142", "07-03-02770-00802", 
"00-04-62067-00900", "27-01-15502-01229", "00-01-73832-06340", 
"00-01-18200-00180", "07-01-94028-20030", "27-01-15504-02559", 
"07-01-90586-00122", "00-01-92212-11102", "07-01-80369-91993", 
"00-01-18200-18500", "00-01-18200-00997", "00-01-18200-41372", 
"00-01-34100-50505", "00-01-92212-12111", "27-01-15503-00078", 
"27-01-15503-07766", "00-01-80069-00221", "27-01-15504-03101", 
"00-02-77940-00002", "00-01-02770-01302", "07-01-27658-12302", 
"00-01-34100-62152", "00-01-72620-20128", "00-01-71990-77952", 
"00-01-85725-21004", "07-01-08820-58624", "07-02-88946-10141", 
"00-01-81986-00144", "00-01-18200-00242")), class = "data.frame", row.names = c(19638L, 
11783L, 17140L, 19624L, 18706L, 8716L, 19653L, 5259L, 8738L, 
13844L, 15570L, 11543L, 3919L, 1345L, 11412L, 3122L, 16899L, 
19583L, 17617L, 16753L, 15011L, 17582L, 9364L, 16889L, 1310L, 
5602L, 13696L, 8276L, 19528L, 18189L, 15840L, 19217L, 15982L, 
13285L, 13568L, 5737L, 13263L, 19052L, 18282L, 13613L, 17300L, 
16882L, 18785L, 9214L, 14925L, 2868L, 1009L, 17053L, 11674L, 
7364L, 17077L, 16752L, 15990L, 17038L, 13449L, 19530L, 15166L, 
19167L, 2539L, 542L, 9054L, 5597L, 5757L, 16754L, 17682L, 15167L, 
18203L, 14441L, 657L, 13551L, 18748L, 747L, 14953L, 9903L, 4182L, 
1330L, 11094L, 15936L, 17768L, 19642L, 15173L, 14921L, 17090L, 
5759L, 12765L, 19579L, 15588L, 12885L, 19581L, 13814L, 17054L, 
18697L, 11085L, 19136L, 2764L, 10523L, 17465L, 13960L, 17724L, 
11687L))

Answer 1

Я думаю, что вы можете сделать это с двумя gsub утверждениями, основанными на nchar.Здесь я делаю предположение, что для 11-значного значения в COLUPC вы всегда пропускаете ноль в четвертой группе.И я позвонил вашему фрейму данных df1 в моем sapply вызове.Если вы назвали свое имя как-то по-другому, вам нужно поменять имя.

Мы определим вспомогательную функцию для передачи на sapply:

fixUPC <- function(x){
    if (nchar(x) == 11) {
        # we catch each Component in a separate group, then reconstruct in 
        # our substitution adding zeros and dashes as necessary
        gsub("^(\\d)(\\d)(\\d{5})(\\d{4})","0\\1-0\\2-\\3-0\\4",x)
    } else if (nchar(x) == 12){
        gsub("^(\\d)(\\d)(\\d{5})(\\d{5})","0\\1-0\\2-\\3-\\4",x)
    }
}

df1$fixedUPC <- sapply(df1$COLUPC, fixUPC)

head(df1$fixedUPC)

[1] "07-01-56435-01208" "01-05-23000-00022" "01-08-76921-00012"
[4] "07-01-19256-00019" "02-08-38201-02393" "01-03-41002-05574"

Вы также можете расширить этооднако в ситуациях, когда вы потеряли более 3 символов, например nchar == 10, по мере того как вы теряете больше цифр, ваша способность точно заполнять нули будет зависеть от того, насколько последовательными были UPC.Для вашего последнего примера 11820198 становится неоднозначным, был ли исходный UPC 00-01-01820-00198 или 01-01-82019-00008.Если вы можете с уверенностью сказать, что нули всегда идут в том или ином месте для определенного значения nchar, вы можете это сделать, но это не может быть правдой в вашем полном наборе данных.