在 R 中将数字添加到字母数字字符串的有效方法

Question

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！

更新

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！

Answer 1

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"

Answer 2

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)

。

Answer 3

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)
    )
  )