R：在一个管道中组合几个 gsub() 函数

Posted 2023-02-15

【中文标题】R：在一个管道中组合几个 gsub() 函数

【英文标题】：R: combine several gsub() function in a pipe

【发布时间】：2017-02-21 04:15:00

【问题描述】：

为了清理一些杂乱的数据，我想开始使用管道%>%，但是如果gsub() 不在管道的开头，我无法让 R 代码正常工作，应该会晚一些（注意：这个问题是不关心正确的导入，但关心数据清理）。

简单示例：

df <- cbind.data.frame(A= c("2.187,78 ", "5.491,28 ", "7.000,32 "), B = c("A","B","C"))

A 列包含字符（在本例中为数字，但也可以是字符串）并且需要清理。 步骤是

df$D <- gsub("\\.","",df$A)
df$D <- str_trim(df$D) 
df$D <- as.numeric(gsub(",", ".",df$D))

一个人可以很容易地管这个

df$D  <-  gsub("\\.","",df$A) %>%
          str_trim() %>%
          as.numeric(gsub(",", ".")) %>%

问题在于第二个 gsub，因为它要求输入 .... 这实际上是上一行的结果。

请问，谁能解释如何在管道中进一步使用像 gsub() 这样的函数？ 非常感谢！

系统：R 3.2.3，Windows

【问题讨论】：

提及你正在使用的外部包。

虽然没有 gsub 你可以使用df$D <- gsub("\\.","",df$A) %>% str_trim() %>% str_replace(',', '.')

其实这可能是***.com/questions/36716710/…的副本

您实际上并不需要修剪空白以使as.numeric 工作。

外部包：dplyr,magrittr,stringr。感谢您对 str_replace(',', '.') 和 whitespace & as.numeric 的建议

【参考方案1】：

您可以使用 stringr 包中的str_replace(string, pattern, replacement) 作为gsub 的直接替代品。 stringr 函数遵循一种简洁的方法，其中字符串/字符向量是第一个参数。

c("hello", "hi") %>% str_replace_all("[aeiou]", "x")

请参阅Introduction to stringr，了解有关 stringr 合理命名和定义的函数作为 R 的默认字符串函数的替代品的更多信息。

【参考方案2】：

试试这个：

library(stringr)

df$D <- df$A %>%
   gsub("\\.","", .)  %>%
  str_trim() %>%
   as.numeric(gsub(",", ".", .)) 

使用管道，您的数据作为 first 参数传递给下一个函数，因此如果您想在其他地方使用它，您需要将下一行包装在 中并使用 .作为数据“标记”。

【讨论】：

啊，谢谢，这是我错过的基本功能。非常感谢您解释这一点！

记住你也可以多次使用.。

但如我的回答所示，没有必要使用.。

@ddiez， gsub("\\.","", .) 比 gsub(pattern = "\\.", replacement="") 短得多，对我来说同样可读。

@m-dz 你是对的。但老实说，我不太喜欢你的回答或我的回答。不知何故更喜欢 G. Grothendieck 的解决方案。

【参考方案3】：

通常，将管道作为一个整体应用于数据帧，就像返回已清理的数据帧一样。函数式编程的思想是对象是不可变的，不会原地改变，而是生成新的对象。

library(dplyr)

df %>%
   mutate(C = gsub("\\.", "", A)) %>%
   mutate(C = gsub(",", ".", C)) %>%
   mutate(C = as.numeric(C))

另请注意，这些替代方法有效：

df %>% mutate(C = gsub("\\.", "", A), C = gsub(",", ".", C), C = as.numeric(C))


df %>% mutate(C = read.table(text = gsub("[.]", "", A), dec = ",")[[1]])


df %>% mutate(C = type.convert(gsub("[.]", "", A), dec = ","))

对于这个特定的例子type.convert 似乎是最合适的，因为它在高层次上紧凑地表达了我们打算做的事情。相比之下，gsub/as.numeric 解决方案似乎太低级和冗长，而 read.table 将转换添加到 data.frame 我们需要撤消它使其太高级。

【参考方案4】：

问题在于输入管道的参数必须是参数列表中的第一个。但gsub() 并非如此，因为x 是第三个。一个（冗长的）解决方法可能是：

df$A %>% 
  gsub(pattern = "\\.", replacement="") %>%
  str_trim() %>%
  gsub(patter = ",", replacement = ".") %>%
  as.numeric