从英语解析数字的 R 包

Posted 2023-04-14

【中文标题】从英语解析数字的 R 包

【英文标题】：R packages that parse number from english

【发布时间】：2015-07-24 04:29:33

【问题描述】：

R中是否有可以“理解”英文数字的包，例如：

"50 million" -> 50,000,000
"$17.9M" -> 17,900,000

它不必处理所有可能的情况，但我想看看人们如何解决这个问题，我可以从他们的代码中学习并编写自己的解决方案。

【问题讨论】：

你可以对this question的一些想法进行逆向工程

google（和 wolfram alpha）在这些方面做得很好，我会尝试寻找 API

类似的问题也有人讨论过here

【参考方案1】：

这就是我的处理方式。

library(stringr)
m <- your_vector
m <- tolower(m) # normalize strings
m <- gsub(",","",m) # drop punctuation
m <- gsub("$","",m) # other punctuation as necessary
m <- gsub("\\s","",m) # drop spaces

dat <- data.frame(raw = m)
dat$words <- str_extract(m,"[a-z].*") # extract words
dat$numbers <- str_extract(m,"[0-9]*") # extract numbers

然后从 unique(dat$words) 创建一个新的 data.frame，合并和乘法。

dat_merge <- data.frame(
   words = unique(dat$words), 
   multiplier = c(1e6,1e6) # from LOOKING at unique(dat$words)
) # new df

dat <- merge(dat, dat_merge)
dat$value <- dat$multiplier * dat$numbers

dat$value

我特别喜欢这种方法，因为您可以随着时间的推移轻松更新它。尤其是当您有新格式时。我个人在很多项目中使用它来逐字记录公司名称和其他一些小文本元素。