r - 对字符串中字符之前出现的数字求和，但紧接在前的数字除外

Question

我有一些字符串 (CIGAR)，我试图对 “I” 之前的数字之前出现的数字求和。 “I” 出现的位置变化很大，但前面总是有一个数字。这是一个示例 df:

df <- data.frame(String = c("220M1I","10I200M","5M2D1I20M","22M5D2M3I5M"))

我想要的输出如下:

       String Sum_prior
1      220M1I       220
2     10I200M         0
3   5M2D1I20M         7
4 22M5D2M3I5M        29

我有一个部分解决方案无法处理 “I” 之前的 >1 位数字，这是有问题的。

    sum_fun <- function(x) {
  str_match_all(x, "\\d+(?!I)") %>% 
    unlist() %>% 
    as.numeric() %>% 
    sum()
}

然后申请 df:

df <- df %>% rowwise() %>% mutate(output = sum_fun(String))
df



  String      output
  <chr>        <dbl>
1 220M1I         220 #Good
2 10I200M        201 #The 1 in 10 is being included
3 5M2D1I20M       27 #Don't want last 20 included
4 22M5D2M3I5M     34 #Don't want last 5 included

但我不知道如何调整正则表达式以忽略 “I” 之前的所有数字，并对 “I” 之前的所有其他数字求和。

我需要一个更高级的例子(但不太重要)，当有多个 "I" 时计算累积数 - 第一次出现如上 (output_1)，但是第二个(或更多)(output_2) 示例包括前面的 “I” 数字。

df2 <- data.frame(String =c("5M10I200M20I","100M2D3I105M1I10M")


             String Output_1 Output_2
1      5M10I200M20I        5      215
2 100M2D3I105M1I10M      102      210

感谢任何帮助。

Answer 1

这是一个基本的 R 方法:

df <- data.frame(String = c("220M1I","10I200M","5M2D1I20M","22M5D2M3I5M"))
x <- sub("\\d+I.*$", "", df$String)
df$Sum_prior <- sapply(strsplit(x, "\\D"), function(y) sum(as.numeric(y)))
df

       String Sum_prior
1      220M1I       220
2     10I200M         0
3   5M2D1I20M         7
4 22M5D2M3I5M        29

这里的策略是先剥离数字，然后是I，直到字符串结束。然后，我们对非数字数字进行字符串拆分，以生成一个字符串数字向量。最后，我们将这些数字相加得到最终结果。