R - regex在任何非数字上进行分割

Question

我想在任何非数字上分割字符串。在这个特殊的例子中，字符串是从外部.csv文件中读取的日期和时间，并且当前不是as.POSIXct格式。

理想情况下，我希望使用regex拆分字符串，但如果有一种更简单的方法将它们转换为使用date/time函数的六列数字，这也会很有趣。

我已经成功地创建了一个将字符串分成六列的regex，但是这个regex不是通用的。

数据如下:

my.data <- read.csv(text = '
          Date_Time
    18/05/2011 07:32:40
    19/05/2011 13:26:02
    19/05/2011 13:32:47
    19/05/2011 13:45:24
    19/05/2011 14:57:27
    19/05/2011 15:03:18
', header=TRUE, stringsAsFactors = FALSE, na.strings = 'NA', strip.white = TRUE)

下面是一个regex语句，它将字符串分成六列:

my.date.time <- data.frame(do.call(rbind, strsplit(my.data$Date_Time,"[/|:|[:space:]]+") ))

上面的语句不是一般性的。下面是一个不成功的尝试，通过在任何非数字上指定一个分割来使regex通用:

data.frame(do.call(rbind, strsplit(my.data$Date_Time,"[^\d]+") ))

在我将字符串分成六列之后，我仍然需要看起来过多的语句来将这些列转换为数字格式:

colnames(my.date.time) <- c('my.day', 'my.month', 'my.year', 'my.hour', 'my.minute', 'my.second')
revised.data <- data.frame(my.data, my.date.time, stringsAsFactors = FALSE)
revised.data$my.day    <- as.numeric(as.character(revised.data$my.day))
revised.data$my.month  <- as.numeric(as.character(revised.data$my.month))
revised.data$my.year   <- as.numeric(as.character(revised.data$my.year))
revised.data$my.hour   <- as.numeric(as.character(revised.data$my.hour))
revised.data$my.minute <- as.numeric(as.character(revised.data$my.minute))
revised.data$my.second <- as.numeric(as.character(revised.data$my.second))
revised.data
str(revised.data)

感谢您在推广上述regex(或使用date/time函数简化程序)方面的任何帮助。apply函数可能可以消除大多数as.numeric(as.character)语句，尽管这是一个相对较小的问题。

Answer 1

试试\D+

> x <- "18/05/2011 07:32:40"
> strsplit(x, "\D+")
[[1]]
[1] "18"   "05"   "2011" "07"   "32"   "40" 

或

> strsplit(x, "[^0-9]+")
[[1]]
[1] "18"   "05"   "2011" "07"   "32"   "40" 

Answer 2

也许我错过了什么，但这是我的解决方案:

lisda <- apply(my.data, 1, strsplit, "[^[:digit:]]")
my.data2 <- t(data.frame(lisda))
my.data2
            [,1] [,2] [,3]   [,4] [,5] [,6]
Date_Time   "18" "05" "2011" "07" "32" "40"
Date_Time.1 "19" "05" "2011" "13" "26" "02"
Date_Time.2 "19" "05" "2011" "13" "32" "47"
Date_Time.3 "19" "05" "2011" "13" "45" "24"
Date_Time.4 "19" "05" "2011" "14" "57" "27"
Date_Time.5 "19" "05" "2011" "15" "03" "18"

以防你想把它们全部转换成数字。

apply(my.data2, 2, function(x) as.numeric(as.character(x)))

Answer 3

使用cSplit

library(splitstackshape)
tmp = cSplit(my.data, "Date_Time", "/")
out = cSplit(tmp, "Date_Time_3", ":")

如果你像这样读取数据

my.data <- read.csv(text = 'Date Time
18/05/2011 07:32:40
19/05/2011 13:26:02
19/05/2011 13:32:47
19/05/2011 13:45:24
19/05/2011 14:57:27
19/05/2011 15:03:18', header=TRUE, sep =' ' ,stringsAsFactors = FALSE, na.strings = 'NA', strip.white = TRUE)

你可以做

library(splitstackshape)
out = cSplit(my.data, splitCols = c("Date", "Time"), sep = c("/", ":"))
#> out
#   Date_1 Date_2 Date_3 Time_1 Time_2 Time_3
#1:     18      5   2011      7     32     40
#2:     19      5   2011     13     26      2
#3:     19      5   2011     13     32     47
#4:     19      5   2011     13     45     24
#5:     19      5   2011     14     57     27
#6:     19      5   2011     15      3     18

Answer 4

您可以考虑使用gsubfn包中的read.pattern:

library(gsubfn)
read.pattern(text = my.data$Date_Time, pattern = "\d+")
#   V1 V2   V3 V4 V5 V6
# 1 18  5 2011  7 32 40
# 2 19  5 2011 13 26  2
# 3 19  5 2011 13 32 47
# 4 19  5 2011 13 45 24
# 5 19  5 2011 14 57 27
# 6 19  5 2011 15  3 18

然后您可以简单地指定您想要的列名。