R弦清洁

Question

我使用一些非常困惑的字符串，如下所示

 Value
 -------------------
 25 
 32.12 .  (05- 
 33.90 ,
 46.70 ,
 () 26.60
 27.2  
 23.24 .  (12-
 36.52 ,
 27.1814404432133 [
 29.73 .  (22-
 31.8058003525076 [
 35.40 ,
 38.44 . 
 46.14 ,
 29.26 [
 25.44 .

我不知道如何有效地清洁它，使其看起来像这样。

 Value
 -------------------
 25 
 32.12  
 33.90
 46.70
 26.60
 27.2  
 23.24
 36.52
 27.1814404432133
 29.73
 31.8058003525076
 35.40
 38.44
 46.14
 29.26
 25.44

我尝试使用子函数 sub(".*", '', Value) 来捕获空格之前的所有内容，但这不起作用，因此寻找一些有关如何清理的建议或提示这个字符串。

Value <- c(" 25 \n", "  32.12 .  (05-", "33.90 ,\n", "46.70 ,\n", " () 26.60 ", 
           " 27.2  ", "  23.24 .  (12-", "36.52 ,\n", " 27.1814404432133\n\n[", 
           "  29.73 .  (22-", " 31.8058003525076\n\n[", "35.40 ,\n", "  38.44 .\n", 
           "46.14 ,\n", " 29.26\n\n[", "  25.44 .\n")
df <- data.frame(Value) 

Answer 1

您可以使用提取第一个数字

Value <- c(" 25 \n", "  32.12 .  (05-", "33.90 ,\n", "46.70 ,\n", " () 26.60 ", 
           " 27.2  ", "  23.24 .  (12-", "36.52 ,\n", " 27.1814404432133\n\n[", 
           "  29.73 .  (22-", " 31.8058003525076\n\n[", "35.40 ,\n", "  38.44 .\n", 
           "46.14 ,\n", " 29.26\n\n[", "  25.44 .\n")
df <- data.frame(Value) 
df$Value <- sub(".*?(\\d[0-9.]*).*", "\\1", df$Value)

请参阅R demo online

详细信息

• .*? - 任意 0 个以上字符，尽可能少
• (\\d[0-9.]*) - 第 1 组捕获任何数字 (\\d)，然后捕获 0+ 数字或 。 符号
• .* - 直到字符串末尾的任意 0 个以上字符。

sub 函数使用保存捕获到组 1 中的值的 \1 反向引用执行单个替换。

如果您想确保只提取数字 + ( . + digital(s) ) * 模式，您可以使用

df$Value <- sub(".*?(\\d+(?:\\.\\d+)?).*", "\\1", df$Value)

参见this R demo