r - 将单位缩写转换为数字

Question

我有一个数据集，可以缩写列中的数值。例如，12M 表示 1200 万，1.2k 表示 1200。 M和k是唯一的缩写。如何编写允许 R 将这些值从最低到最高排序的代码？

我虽然使用 gsub 将 M 转换为 000,000 等，但这并没有考虑到小数(1.5M 将是 1.5000000)。

Answer 1

因此，您想将 SI 单位缩写('K'、'M'、...)转换为指数，从而转换为 10 的数字幂。
鉴于所有单位都是单字母，并且指数是均匀间隔的 10**3 次幂，这里是处理“Kilo”...“Yotta”和任何 future 指数的工作代码:

    > 10 ** (3*as.integer(regexpr('T', 'KMGTPEY')))
    [1] 1e+12

然后只需将该十的幂乘以您拥有的十进制值。

此外，您可能想要检测和处理未知字母前缀的“不匹配”情况，否则您会得到一个无意义的 -1*3

    > unit_to_power <- function(u) {
        exp_ <- 10**(as.integer(regexpr(u, 'KMGTPEY')) *3)
        return (if(exp_>=0) exp_ else 1)
    }

现在，如果您想不区分大小写将 'k' 和 'K' 匹配到 Kilo(计算机人员经常写的，即使这在技术上是对 SI 的滥用)，那么您需要特殊情况，例如 if- else 阶梯/表达式(SI 单位通常区分大小写，“M”表示“Mega”，但“m”严格表示“milli”，即使磁盘驱动器用户另有说明；大写通常用于正指数)。所以对于一些前缀，@DanielV 的 case-specific 代码更好。

如果您也需要负 SI 前缀，请使用 as.integer(regexpr(u, 'zafpnum@KMGTPEY')-8)哪里@只是保持均匀间距的一些一次性字符，它实际上不应该匹配。同样，如果您需要处理非 10**3 次幂的单位，如“deci”、“centi”，则需要特殊 shell ，或者 WeNYoBen 使用的基于 dict 的一般方法。

base::regexpr没有矢量化，它在大输入上的性能也很差，所以如果你想矢量化并获得更高的性能，请使用 stringr::str_locate .