string - texto - gsub r

Extrayendo números únicos de una cadena en R

Question

Tengo una lista de cadenas que contienen caracteres aleatorios como:

list=list()
list[1] = "djud7+dg[a]hs667"
list[2] = "7fd*hac11(5)"
list[3] = "2tu,g7gka5"

Me gustaría saber qué números están presentes al menos una vez ( unique() ) en esta lista. La solución de mi ejemplo es:

solución: c(7,667,11,5,2)

Si alguien tiene un método que no considera 11 como "once" sino como "uno y uno", también sería útil. La solución en esta condición sería:

solución: c(7,6,1,5,2)

(Encontré esta publicación en un tema relacionado: Extracción de números de vectores de cadenas )

Answer 1

Una solución que usa stringi

 # extract the numbers:

 nums <- stri_extract_all_regex(list, "[0-9]+")

 # Make vector and get unique numbers:

 nums <- unlist(nums)
 nums <- unique(nums)

Y esa es tu primera solución

Para la segunda solución usaría substr :

nums_first <- sapply(nums, function(x) unique(substr(x,1,1)))

Answer 2

Aquí hay otra respuesta, esta usando gregexpr para encontrar los números y los regmatches para extraerlos:

l <- c("djud7+dg[a]hs667", "7fd*hac11(5)", "2tu,g7gka5")

temp1 <- gregexpr("[0-9]", l)   # Individual digits
temp2 <- gregexpr("[0-9]+", l)  # Numbers with any number of digits

as.numeric(unique(unlist(regmatches(l, temp1))))
# [1] 7 6 1 5 2
as.numeric(unique(unlist(regmatches(l, temp2))))
# [1]   7 667  11   5   2

Answer 3

Consulte la función extract_numbers() del paquete filesstrings . Instalarlo a través de install.packages("filesstrings") .

library(filesstrings)
#> Loading required package: stringr
list=list()
list[1] = "djud7+dg[a]hs667"
list[2] = "7fd*hac11(5)"
list[3] = "2tu,g7gka5"
charvec <- unlist(list)
print(charvec)
#> [1] "djud7+dg[a]hs667" "7fd*hac11(5)"     "2tu,g7gka5"
extract_numbers(charvec)
#> [[1]]
#> [1]   7 667
#> 
#> [[2]]
#> [1]  7 11  5
#> 
#> [[3]]
#> [1] 2 7 5
unique(unlist(ExtractNumbers(charvec)))
#> [1]   7 667  11   5   2

Answer 4

Para la segunda respuesta, puede usar gsub para eliminar todo de la cadena que no es un número, luego divida la cadena de la siguiente manera:

unique(as.numeric(unlist(strsplit(gsub("[^0-9]", "", unlist(ll)), ""))))
# [1] 7 6 1 5 2

Para la primera respuesta, de manera similar usando strsplit ,

unique(na.omit(as.numeric(unlist(strsplit(unlist(ll), "[^0-9]+")))))
# [1]   7 667  11   5   2

PD: no nombre su list variables (ya que hay una list funciones incorporada). He nombrado tus datos como ll .

Answer 5

Puedes usar ?strsplit (como se sugiere en la respuesta de @ Arun en Extrayendo números de vectores (de cadenas) ):

l <- c("djud7+dg[a]hs667", "7fd*hac11(5)", "2tu,g7gka5")

## split string at non-digits
s <- strsplit(l, "[^[:digit:]]")

## convert strings to numeric ("" become NA)
solution <- as.numeric(unlist(s))

## remove NA and duplicates
solution <- unique(solution[!is.na(solution)])
# [1]   7 667  11   5   2

Answer 6

Una solución de str_match_all con str_match_all y operadores canalizados. Para la primera solución:

library(stringr)
str_match_all(ll, "[0-9]+") %>% unlist %>% unique %>% as.numeric

Segunda solución:

str_match_all(ll, "[0-9]") %>% unlist %>% unique %>% as.numeric

(Nota: también llamé a la lista ll )

Answer 7

Use strsplit usando el patrón como el inverso de los dígitos numéricos: 0-9

Para el ejemplo que ha proporcionado, haga esto:

tmp <- sapply(list, function (k) strsplit(k, "[^0-9]"))

Luego, simplemente tome una unión de todos los ''conjuntos'' en la lista, así:

tmp <- Reduce(union, tmp)

Entonces solo tienes que eliminar la cadena vacía.