将单位缩写转换为数字

Question

我有一个数据集，它缩写了列中的数值。例如，12M 表示 1200 万，1.2k 表示 1,200。 M 和 k 是唯一的缩写。如何编写代码让 R 将这些值从最低到最高排序？

我虽然使用 gsub 将 M 转换为 000,000 等，但这没有考虑小数（1.5M 将是 1.5000000）。

Answer 1

• 因此，您想将 SI 单位缩写（“K”、“M”等）转换为指数，即十的幂。 鉴于所有单位都是单字母，并且指数是均匀间隔的 10**3 次幂，这里是处理“Kilo”...“Yotta”以及任何未来指数的工作代码：

    > 10 ** (3*as.integer(regexpr('T', 'KMGTPEY')))
    [1] 1e+12

然后将十的幂乘以您拥有的十进制值。

• 此外，您可能希望检测并处理未知字母前缀的“不匹配”情况，否则您会得到无意义的

  -1*3

    > unit_to_power <- function(u) {
        exp_ <- 10**(as.integer(regexpr(u, 'KMGTPEY')) *3)
        return (if(exp_>=0) exp_ else 1)
    }

• 现在，如果您想将“k”和“K”与 Kilo 不区分大小写地匹配（正如计算机人员经常写的那样，即使从技术上讲这是对 SI 的滥用），那么您需要特殊情况，例如if-else 梯形图/表达式（SI 单位一般区分大小写，“M”表示“Mega”，但“m”严格表示“milli”，即使磁盘驱动器用户另有说明；大写字母通常表示正指数） 。因此，对于一些前缀，@DanielV 的特定情况代码更好。

• 如果您也想要负 SI 前缀，请使用

  as.integer(regexpr(u, 'zafpnum@KMGTPEY')-8)

  ，其中

  @

  只是一些一次性字符以保持统一间距，它实际上不应该匹配。同样，如果您需要处理非 10**3 的幂单位，例如“deci”、“centi”，则需要特殊大小写，或者 WeNYoBen 使用的基于字典的通用方法。

• base::regexpr

  不是矢量化的，而且它在大输入上的性能也很差，因此如果您想矢量化并获得更高的性能，请使用

  stringr::str_locate

  。

Answer 2

试一试：

Text_Num <- function(x){
    if (grepl("M", x, ignore.case = TRUE)) {
        as.numeric(gsub("M", "", x, ignore.case = TRUE)) * 1e6
    } else if (grepl("k", x, ignore.case = TRUE)) {
        as.numeric(gsub("k", "", x, ignore.case = TRUE)) * 1e3
    } else {
        as.numeric(x)
    }
}

Answer 3

在您的情况下，您可以使用

gsubfn

a=c('12M','1.2k')
dict<-list("k" = "e3", "M" = "e6")
as.numeric(gsubfn::gsubfn(paste(names(dict),collapse="|"),dict,a))
[1] 1.2e+07 1.2e+03

Answer 4

很高兴认识你。

我写了另一个答案

定义函数

res = function (x) {
  result = as.numeric(x)
  if(is.na(result)){
  text = gsub("k", "*1e3", x, ignore.case = T)
  text = gsub("m", "*1e6", text, ignore.case = T)
  result = eval(parse(text = text))
  } 
  return(result)
}

结果

> res("5M")
[1] 5e+06
> res("4K")
[1] 4000
> res("100")
[1] 100
> res("4k")
[1] 4000
> res("1e3")
[1] 1000

Answer 5

所有其他答案对我来说都不能很好地与 NA 配合使用（或产生警告，这也不好）。

这是我的解决方案，它重用了其他解决方案中的一些部分。 （也发布在 R data.table 加速 SI/公制转换）

library(stringr)

si2num <- function(x)
{
  conv <- paste0("e", c(seq(-24 ,-3, by=3), -2, -1, seq(3, 24, by=3),3))
  names(conv) <- c("y","z","a","f","p","n","µ","m","c","d","K","M","G","T","P","E","Z","Y","k")
  
  xout <- str_replace_all(x, conv)
  xout <- as.numeric(xout)
  
  return(xout)
}

x <- c(NA,"10", "10.01K",NA,"10.1M", "20K", "21k",NA)

si2num(x)

[1]       NA       10    10010       NA 10100000    20000    21000       NA