извлечь регулярное выражение из столбца и заменить

Question

Я надеюсь прочитать файл и обработать его в R. Он имеет следующий формат:

tibble(row=8,name="Shawn",state="Arizona", age=45,
comments="father=Alex;NSM;GNO;One:0.9995,0.13|Two:0.9991,0.55|Three:0.9996,0.33|Four:0.9986,0.22|Five:0.9987,0.22")

# A tibble: 1 x 5
        row name  state     age comment                                                                          
      <dbl> <chr> <chr>   <dbl> <chr>                                                                             
    1     8 Shawn Arizona    45 father=Alex;NSM;GNO;One:0.9995,0.13|Two:0.9991,0.55|Three:0.9996,0.33|Four:0.9986…

Я хотел бы заменить последний столбец на

comment
One:0.9995|Two:0.9991|Three:0.9996|Four:0.9986|Five:0.9987

и затем вычтите плавающее число из 1:

comment
One:0.0005|Two:0.0009|Three:0.0004|Four:0.0014|Five:0.0013

Answer 1

Эта функция не особенно производительна или элегантна, но она даст вам именно тот результат, который вы запрашивали. Он не векторизован, но вы можете использовать sapply, чтобы исправить это.

sample <- "father=Alex;NSM;GNO;One:0.9995,0.13|Two:0.9991,0.55|Three:0.9996,0.33|Four:0.9986,0.22|Five:0.9987,0.22"

extract_numbers <- function(x) {
  x <- sub(".*;", "", x)
  x <- gsub(",([0-9.]*)|", "", x)
  x <- strsplit(x, "|", fixed = TRUE)[[1]]
  do.call(
    "paste", 
    c(
      lapply(
        strsplit(x, ":"), 
        function(y) paste(y[1], sprintf("%6.4f", 1 - as.numeric(y[2])), sep = ":")
      ),
      sep = "|"
    )
  )
}

extract_numbers(sample)
# [1] "One:0.0005|Two:0.0009|Three:0.0004|Four:0.0014|Five:0.0013"

Answer 2

Мы можем решить это, используя tidyverse. Сначала мы удаляем символы до последней точки с запятой и цифры, за которыми следует запятая, используя gsub. Мы разбиваем строки на "|" на отдельные строки и делим их на ":" в разных столбцах, а затем вычитаем значение из 1.

library(dplyr)
library(tidyr)

df %>%
  mutate(comments = gsub(".*;|,\\d\\.\\d+", "", comments)) %>%
  separate_rows(comments, sep = "\\|") %>%
  separate(comments, into = c('num', 'value'), sep = ":", convert = TRUE) %>%
  mutate(value = 1 - value)

# A tibble: 5 x 6
#    row name  state     age num      value
#  <dbl> <chr> <chr>   <dbl> <chr>    <dbl>
#1     8 Shawn Arizona    45 One   0.000500
#2     8 Shawn Arizona    45 Two   0.0009  
#3     8 Shawn Arizona    45 Three 0.000400
#4     8 Shawn Arizona    45 Four  0.00140 
#5     8 Shawn Arizona    45 Five  0.00130 

При необходимости, как суммарное значение, мы можем добавить к цепочке

%>% group_by(row, name, state, age) %>%
    summarise(comments = paste(num, round(value, 5), collapse = "|", sep = ":"))

#   row name  state     age comments                                                  
#  <dbl> <chr> <chr>   <dbl> <chr>                                                     
#1     8 Shawn Arizona    45 One:0.0005|Two:0.0009|Three:0.0004|Four:0.0014|Five:0.0013

Answer 3

Вы можете использовать strsplit и tstrsplit из data.table следующим образом (назовите ваш стол DT):

library(data.table)
setDT(DT)

DT = DT[ , c(.SD, tstrsplit(comments, ';', fixed = TRUE))]
DT = DT[ , strsplit(V9, '|', fixed = TRUE), by = row]
DT[ , c('key', 'val1', 'val2') := tstrsplit(V1, '[:,]', type.convert = TRUE)]
DT[ , val1 := 1-val1][]
#      row                V1    key   val1  val2
# 1:     8   One:0.9995,0.13    One 0.0005  0.13
# 2:     8   Two:0.9991,0.55    Two 0.0009  0.55
# 3:     8 Three:0.9996,0.33  Three 0.0004  0.33
# 4:     8  Four:0.9986,0.22   Four 0.0014  0.22
# 5:     8  Five:0.9987,0.22   Five 0.0013  0.22

tstrsplit делает strsplit, а затем transpose - - это берет входную строку x и превращает ее в один столбец для каждого результата split каждого элемента x.

На втором шаге я предположил, что row является уникальным идентификатор каждой строки. Это может быть медленным, если есть много row с - вы можете попробовать здесь для некоторых других подходов к "unnesting" V9 в разные строки.

Тогда мы tstrsplit снова, чтобы получить желаемое значение в качестве собственного столбца; обратите внимание, что type.convert автоматически преобразует столбцы, которые выглядят как числа, в числа (вместо цифр в виде строк).

Мы можем изменить это, если вы хотите вернуть данные в исходный формат строки, но это Будет проще работать с вашими данными в текущем формате.