用于过滤R数据帧列重复数字的正则表达式

我有一个包含许多列和行的数据框，需要根据两列（Lat和Lon）的值进行过滤。我需要一个正则表达式

删除Lat或Lon列至少没有三位小数的任何行。所以第一行（人类）将被过滤，因为即使Lon有三位小数，Lat也没有

删除小数位数多余的任何行。我所说的冗余是指有三个相同数量的重复，一直持续到最后。但是，如果冗余在第三个小数点后开始，这并不重要。而且，如果冗余最终被一个不同的数字所跟随，那也没关系

---

Type下面的函数将输出所需的数据帧。它完成了您上面提到的所有要求

check.expressions <- function(data){
  data$pass <- FALSE
  for(i in 1:nrow(data)){
    if(nchar(str_extract(x$Lon[i], "(?<=\\.).*")) < 3 | nchar(str_extract(x$Lat[i], "(?<=\\.).*")) < 3){
     next 
    } else {
      unlist(str_split(str_extract(x$Lon[i], "(?<=\\.).*" ), "")) -> lon
      unlist(str_split(str_extract(x$Lat[i], "(?<=\\.).*" ), "")) -> lat
      if(lon[1] == lon[2] && lon[2] == lon[3]){
        if(length(lon) > 3){
          if(lon[3] != lon[length(lon)]){
            data$pass[i] <- TRUE
            next
          } else {
            next
          }
        }
        next
      }
      if(lat[1] == lat[2] && lat[2] == lat[3]){
        if(length(lat) > 3){
          if(lat[3] != lat[length(lat)]){
            data$pass[i] <- TRUE
            next
          } else {
            next
          }
        }
        next
      }
      if(length(lon) > 4){
        if(lon[2] == lon[3] && lon[3] == lon[4]){
          if(lon[4] != lon[length(lon)]){
            data$pass[i] <- TRUE
            next
          } else {
            next
          }
        }
      }
      if(length(lat) > 4){
        if(lat[2] == lat[3] && lat[3] == lat[4]){
          if(lat[4] != lat[length(lat)]){
            data$pass[i] <- TRUE
            next
          }
        }
      }
      data$pass[i] <- TRUE
    }
  }
  data[data$pass == TRUE, ] -> data
  return(data)
}

这将产生：

> check.expressions(x) -> x.out
> x.out
    Type       Lat      Lon pass
4 museum 34.666582 9.888064 TRUE
6   gbif 34.586666 9.318888 TRUE

您已将
lat
和
lon
存储为数字。如果在所有这些情况下，存储为
34.660
或
34.600
或
34.000
的某些lat/lon会自动截断额外的0，该怎么办。在所有这些情况下，您是要保留这些还是要过滤掉？
34.660
应通过此正则表达式。如果Lat和Lon列都有尾随零（并且仅适用于数字
0
，不适用于其他数字），我们是否可以修改以使
34.600
失败？因此，如果Lat是
34.600
，Lon是
9.300
，它应该失败
34.000
将失败，因为
0
重复三次，并且在三个重复的零之后没有任何内容。1）为什么指定
34.66
（第二行Lat）失败？当
34.66==34.660
时？为什么假定
0
不存在？我想解释的是，只需将
Lat
列更改为这一列
Lat，因为它们是实际的纬度和经度值，
34.660
是经度的合法值，这比我获取此数据帧的数据集中的
34.66
更准确。因此，如果在小数点后第三位明确表示零，我相信它是一个精确的坐标。我正在过滤掉不准确的坐标。我不相信坐标中有不可能重复的十进制值，或大量重复的零。对于每个Lat/Lon条目，我还需要至少三个明确写入的十进制值。
check.expressions <- function(data){
  data$pass <- FALSE
  for(i in 1:nrow(data)){
    if(nchar(str_extract(x$Lon[i], "(?<=\\.).*")) < 3 | nchar(str_extract(x$Lat[i], "(?<=\\.).*")) < 3){
     next 
    } else {
      unlist(str_split(str_extract(x$Lon[i], "(?<=\\.).*" ), "")) -> lon
      unlist(str_split(str_extract(x$Lat[i], "(?<=\\.).*" ), "")) -> lat
      if(lon[1] == lon[2] && lon[2] == lon[3]){
        if(length(lon) > 3){
          if(lon[3] != lon[length(lon)]){
            data$pass[i] <- TRUE
            next
          } else {
            next
          }
        }
        next
      }
      if(lat[1] == lat[2] && lat[2] == lat[3]){
        if(length(lat) > 3){
          if(lat[3] != lat[length(lat)]){
            data$pass[i] <- TRUE
            next
          } else {
            next
          }
        }
        next
      }
      if(length(lon) > 4){
        if(lon[2] == lon[3] && lon[3] == lon[4]){
          if(lon[4] != lon[length(lon)]){
            data$pass[i] <- TRUE
            next
          } else {
            next
          }
        }
      }
      if(length(lat) > 4){
        if(lat[2] == lat[3] && lat[3] == lat[4]){
          if(lat[4] != lat[length(lat)]){
            data$pass[i] <- TRUE
            next
          }
        }
      }
      data$pass[i] <- TRUE
    }
  }
  data[data$pass == TRUE, ] -> data
  return(data)
}

check.expressions(x) -> x.out

> check.expressions(x) -> x.out
> x.out
    Type       Lat      Lon pass
4 museum 34.666582 9.888064 TRUE
6   gbif 34.586666 9.318888 TRUE