主页 / coding / 问题 / 78856222
Accepted
farrow90
Asked: 2024-08-10 22:14:27 +0800 CST

在同一个函数中结合正则表达式和非正则表达式

  • 772

我有一个数据框：

mydf <- data.frame(
  col1 = c("54", "abc", "123", "54 abc", "zzz", "a", "99"),
  col2 = c("100", "200", "300", "400", "500", "600", "700"),
  stringsAsFactors = FALSE
)

在此数据框中，我想用 NA 替换所有元素，除非它们满足以下条件之一：

  • 严格来说是一个数字（例如“54”保留，“54 abc”丢弃）
  • 属于 target_string

我不确定如何使用 apply 在 R 中执行此操作，因此我尝试编写一个循环：

target_string <- c("a", "zzz")

replace_with_na_old <- function(df, target_string) {
  for (i in 1:nrow(df)) {
    for (j in 1:ncol(df)) {
      value <- df[i, j]
      if (!grepl("^[0-9]+$", value) && !(value %in% target_string)) {
        df[i, j] <- NA
      }
    }
  }
  return(df)
}

mydf_cleaned_old <- replace_with_na_old(mydf, target_string)

还有其他方法可以做到这一点吗？

注意：以下是如何用 %like% 替换 %in%：

   replace_with_na_new <- function(df, target_string) {
  for (i in 1:nrow(df)) {
    for (j in 1:ncol(df)) {
      value <- df[i, j]
      if (!grepl("^[0-9]+$", value) && !any(sapply(target_string, function(pattern) grepl(pattern, value)))) {
        df[i, j] <- NA
      }
    }
  }
  return(df)
}

3 个回答

  1. Best Answer

    您已经有了检查这一点所需的逻辑，您所需要做的就是对其进行矢量化。

    replace_with_na <- function(value, target_string) {
  value[!(grepl('^\\d+$', value) | value %in% target_string)] <- NA
  value
}

    apply*现在，您可以使用基础 R 中的任何函数将此函数应用于每一列。

    new_df <- mydf
new_df[] <- lapply(mydf, replace_with_na, target_string)
new_df

#  col1 col2
#1   54  100
#2 <NA>  200
#3  123  300
#4 <NA>  400
#5  zzz  500
#6    a  600
#7   99  700

    或者如果您愿意，dplyr我们可以使用across类似的结果。

    library(dplyr)
mydf %>% mutate(across(everything(), \(x) replace_with_na(x, target_string)))
    • 5

  2. 您可以替换所有不属于target_string且包含非数字字符的元素。

    mydf[sapply(mydf, \(x) grepl("\\D", x) & !x %in% target_string)] = NA

 col1 col2
1   54  100
2 <NA>  200
3  123  300
4 <NA>  400
5  zzz  500
6    a  600
7   99  700
    • 4

  3. 您可以提前生成正则表达式模式，然后应用grepl，例如，

    patt <- sprintf(
  "^\\d+$|%s",
  paste0(sprintf("\\b%s\\b", target_string), collapse = "|")
)
list2DF(lapply(mydf, \(x) replace(x, !grepl(patt, x), NA)))

    给出

      col1 col2
1   54  100
2 <NA>  200
3  123  300
4 <NA>  400
5  zzz  500
6    a  600
7   99  700
    • 3

相关问题