在R中将完整年龄从字符转换为数字

Posted 2023-03-12

【中文标题】在R中将完整年龄从字符转换为数字

【英文标题】：Transforming complete age from character to numeric in R

【发布时间】：2022-01-08 10:52:36

【问题描述】：

我有一个数据集，其中人们的完整年龄为 R 中的字符串（例如，“10 年 8 个月 23 天），我需要将其转换为有意义的数字变量。我正在考虑将其转换为这个人有很多天（这很难，因为几个月有不同的天数）。所以最好的解决方案可能是创建一个双变量，将年龄显示为 10.6 或 10.8，一些数字变量包含 10 年 8 个月 5 天的信息大于 10 年 7 个月 12 天。

这是我当前变量的示例

library(tibble)

age <- tibble(complete_age = 
             c("10 years 8 months 23 days",
               "9 years 11 months 7 days",
               "11 years 3 months 1 day",
               "8 years 6 months 12 days")) 

age

# A tibble: 4 x 1
  complete_age             
  <chr>                    
1 10 years 8 months 23 days
2 9 years 11 months 7 days 
3 11 years 3 months 1 day  
4 8 years 6 months 12 days 

这是我希望看到的可能结果的示例（age_num 的近似值）

> age
# A tibble: 4 x 2
  complete_age              age_num
  <chr>                       <dbl>
1 10 years 8 months 23 days    10.66
2 9 years 11 months 7 days      9.92
3 11 years 3 months 1 day      11.27
4 8 years 6 months 12 days      8.52

总之，我有一个包含“complete_age”列的数据集，我想创建列“age_num”。

如何在 R 中做到这一点？我很难尝试使用 stringr 和 lubridate 但也许这是要走的路？

【参考方案1】：

使用lubridate 便利函数，period 和time_length：

library(lubridate)
age %>% 
  mutate(age_years = time_length(period(complete_age), unit = "years"))

  # A tibble: 4 x 2
  #  complete_age              age_years
  # <chr>                         <dbl>
  # 1 10 years 8 months 23 days 10.729637
  # 2  9 years 11 months 7 days  9.935832
  # 3   11 years 3 months 1 day 11.252738
  # 4  8 years 6 months 12 days  8.532854

【讨论】：

我知道我可以为此使用lubridate...这正是我想要的。谢谢

【参考方案2】：

空间分割，然后计算。请注意，您可能希望根据需要更改一年、一个月的平均天数：

age %>% 
  separate(complete_age, into = c("Y", NA, "M", NA, "D", NA), 
           convert = TRUE, remove = FALSE) %>% 
  transmute(complete_age, age_num = Y + (M * 30.45 + D) / 365.25)

# # A tibble: 4 x 2
#   complete_age                 age_num
#   <chr>                          <dbl>
# 1 10 years 8 months 23 days      10.7 
# 2 9 years 11 months 7 days        9.94
# 3 11 years 3 months 1 day        11.3 
# 4 8 years 6 months 12 days        8.53

【参考方案3】：

这是另一种方法：

删除所有字母 '[A-Za-z]' 和 str_remove_all 将结果数字分开 使用type.convert(as.is = TRUE) 切换到数字后应用计算 用bind_cols重新绑定到原来的cols

library(dplyr)
library(stringr)
age %>% 
  mutate(complete_age = str_remove_all(complete_age, "[A-Za-z]")) %>% 
  separate(complete_age, c("year", "month", "day")) %>% 
  type.convert(as.is = TRUE) %>% 
  mutate(ageYear = (year + month/12 + day/365), .keep="unused") %>% 
  bind_cols(age)

  ageYear complete_age             
    <dbl> <chr>                    
1   10.7  10 years 8 months 23 days
2    9.94 9 years 11 months 7 days 
3   11.3  11 years 3 months 1 day  
4    8.53 8 years 6 months 12 days 

【讨论】：

我非常喜欢你方法的最后一部分！