我有一个
data.frame
,其 ID 由字母数字字符序列组成(例如,id = c(A001, A002, B013)
)。我一直在 stringr
或 stirngi
下寻找一个简单的函数,可以轻松地用这个字符串进行数学运算(id + 1 应该返回 c(A002, A003, B014)
)。
我制作了一个自定义函数来实现这一点,但是我有一种感觉,必须有更好/更有效/包内的方法来实现这一点。
str_add_n <- function(df, string, n, width=3){
string <- enquo(string)
## split the string using pattern
df <- df %>%
separate(!!string,
into = c("text", "num"),
sep = "(?<=[A-Za-z])(?=[0-9])",
remove=FALSE
) %>%
mutate(num = as.numeric(num),
num = num + n,
num = stringr::str_pad(as.character(num),
width = width,
side = "left",
pad = 0
)
) %>%
unite(next_string, text:num, sep = "")
return(df)
}
我们来做一个玩具吧
df
df <- data.frame(id = c("A001", "A002", "B013"))
str_add_n(df, id, 1)
id next_string
1 A001 A002
2 A002 A003
3 B013 B014
再次,这有效,我想知道是否有更好的方法来做到这一点,欢迎所有调整!
根据建议的答案,我运行了一些基准测试,看起来两者都非常接近,我倾向于
str_add_n_2
(我更改了名称以便能够运行两者,并接受了x<-as.character(x)
的建议)
microbenchmark::microbenchmark(question = str_add_n(df, id, 1),
answer = df %>% mutate_at(vars(id), funs(str_add_n_2(., 1))),
string_add = df %>% mutate_at(vars(id), funs(string_add(as.character(.)))))
哪个产量
Unit: milliseconds
expr min lq mean median uq
question 4.312094 4.448391 4.695276 4.570860 4.755748
answer 2.932146 3.017874 3.191262 3.117627 3.240688
string_add 3.388442 3.466466 3.699363 3.534416 3.682762
max neval cld
10.29253 100 c
8.24967 100 a
9.05441 100 b
欢迎更多调整!
这里有一个方法
gsubfn
id <- c("A001", "A002", "B013")
library(gsubfn)
gsubfn("([0-9]+)", function(x) sprintf("%03.0f", as.numeric(x) + 1), id)
#[1] "A002" "A003" "B014"
你可以把它变成一个函数
string_add <- function(string, add = 1, width = 3) {
gsubfn::gsubfn("([0-9]+)", function(x) sprintf(paste0("%0", width, ".0f"), as.numeric(x) + add), string)
}
string_add(id, add = 10, width = 5)
#"A00011" "A00012" "B00023"
我建议基于字符串的向量定义函数更容易,而不是对其进行硬编码以在框架中查找列;对于后者,您始终可以使用类似
mutate_at(vars(id,...), funs(str_add_n))
的内容。
str_add_n <- function(x, n = 1L) {
gr <- gregexpr("\\d+", x)
reg <- regmatches(x, gr)
widths <- nchar(reg)
regmatches(x, gr) <- sprintf(paste0("%0", widths, "d"), as.integer(reg) + n)
x
}
vec <- c("A001", "A002", "B013")
str_add_n(vec)
# [1] "A002" "A003" "B014"
如果在框架中:
df <- data.frame(id = c("A001", "A002", "B013"), x = 1:3,
stringsAsFactors = FALSE)
library(dplyr)
df %>%
mutate_at(vars(id), funs(str_add_n(., 3)))
# id x
# 1 A004 1
# 2 A005 2
# 3 B016 3
警告:这默默地需要 true
character
,而不是 factor
...一种可能的防御策略可能是在函数定义中添加 x <- as.character(x)
。
这是来自
str_replace
包的 stringr
的变体,它是 tidyverse
的一部分:
string_add <- function(string, add = 1, width = 3) {
stringr::str_replace(
string,
"([:digit:]+)$",
~ sprintf(paste0("%0", width, ".0f"), as.numeric(.x) + add)
)
}
df %>%
mutate(next_string = string_add(id))
或者直接在mutate语句中不带函数:
df %>%
mutate(
next_string = id %>% str_replace(
"([:digit:]+)$",
~ sprintf("%03.0f", as.numeric(.x) + 1)
)
)