R：在数据帧单元中对数据进行排序_R_Regex_Dataframe

R：在数据帧单元中对数据进行排序

r regex dataframe

R：在数据帧单元中对数据进行排序,r,regex,dataframe,R,Regex,Dataframe,我有多个列的巨大数据框，其中一列包含这样的数据 No "48.8.1.1." "48.8.1.2." "48.8.2." "48.9." "48.10." "48.11." "48.11.1." "48.11.1.1." "48.11.1.2

我有多个列的巨大数据框，其中一列包含这样的数据

       No  

   "48.8.1.1." 
   "48.8.1.2."
   "48.8.2." 
   "48.9." 
   "48.10." 
   "48.11." 
   "48.11.1." 
   "48.11.1.1." 
   "48.11.1.2." 
   "48.11.1.2.2.2.2.1."

数据的子顺序中没有固定的顺序

问题：

df$No<-substring(df$No,1,9)

而不是

   "48.11.1.2.1."

某些值的顺序不正确，如ex:

   "48.11.1.2.2.2.2.1"

2号是额外的。如何删除2的额外数字

我确实尝试过一些方法，比如重置索引等，但都不起作用。需要一些建议。

试试：

编辑：：

df$No<-stringr::str_remove_all(df$No,"2.{1,}(?=2.{3,})")

原件：：

df$No<-substring(df$No,1,9)

数据：

df假设字符串序列表示大纲中各部分的编号，以下是一种可能的解决方案：
library(data.table)
# reshape to long format
long <- DT[, rn := .I][
  , strsplit(No, "[.]"), by = rn][
    , V1 := as.integer(V1)][
      , lvl := rowid(rn)][]

# find contiguous streaks of rows where there is a gap in levels
nlvl <- long[, .N, keyby = rn][
  , gap := cumsum(c(diff(N), 0L) > 1L)][
    , M := first(N) + 1L, by = gap]

# non-equi anti-join and recast
long[!nlvl[N > M], on = .(rn, lvl >= M, lvl < N)][
  , .(No = paste(V1, collapse = ".")), by = rn]

解释
如果我理解正确的话，字符串序列表示大纲中的部分编号，该编号由于插入虚假的附加级别而被扭曲。OP正在寻找删除这些附加级别的方法
那么，让我们假设一些对大纲各部分进行编号的规则：
节数差距：在同一级别上，节数始终提前1。

例如，遵循第4.1.3节

通过4.1.4
（在第3节中前进）
或通过4.2
（如果父级为高级）
或通过5
（前进到下一章）

级别差距：子级别始终比父级别低1个级别。子级上的节编号从1开始。

例如，章节4.1.3
后面可以是4.1.3.1小节，但不能是
4.1.3.1.1
从第3节级别跳到第5小节级别
由于OPs问题可能与情形2有关，我们需要用
与前面行相关的级别差距。作为修复，所有中间剩余水平将被删除。最后一个级别保持不变，因为它的编号可能是正确的
第一步包括添加行号、拆分“
处的字符串、强制将节号设置为整数以及为每行的级别编号。现在，章节编号采用长格式：
 long

在下一步中，将识别出现在剖面层间隙之后的连续行条纹。节级别是属于一行的元素的数量N
<代码>间隙

标记在节级别中非法跳转之后出现的所有行M
表示根据上述规则2合法的最高区段等级
nlvl

在最后一步中，通过非等反连接从long
中消除额外的杂散电平。然后，通过将各部分粘贴在一起重新创建节号
为了进行比较，我们可以将结果与原始数据结合起来：
long[!nlvl[N > M], on = .(rn, lvl >= M, lvl < N)][
  , .(No = paste(V1, collapse = ".")), by = rn][DT, on = "rn"]

资料
OP发布的数据的扩展版本
library(data.table)
DT <- data.table(No = c(
  "48.8.1.1.", 
  "48.8.1.2.",
  "48.8.2." ,
  "48.9." ,
  "48.10." ,
  "48.11." ,
  "48.11.1." ,
  "48.11.1.1." ,
  "48.11.1.2." ,
  "48.11.1.2.2.2.2.1.",
  "48.11.1.2.2.2.2.2.",
  "48.11.1.2.2.3.",
  "48.11.2.",
  "48.11.2.1.",
  "48.11.2.1.1.",
  "48.11.3.",
  "48.11.3.3.3.1.",
  "50."
))

库（data.table）
DT您提供了问题，但提供了没有问题的数据。请编辑您的问题以使其更易于理解。@NelsonGon:嘿，我已经编辑了问题。请包括您迄今为止所做的尝试。我看到您提供了输入数据的示例。还请添加（1）您想要的结果，以及（2）到目前为止您尝试将输入转换为结果的代码。那么为什么48.11.1.1
和48.8.1.1.
不是垃圾？只有当字符串为9个字符但我的字符串没有固定长度时，它才会起作用。请尝试编辑。另外，最好准确地表示数据的外观。使用dput添加样本数据。非常好。在我注意到你对问题的中间评论和编辑后，我担心测试用例的数量太少，无法充分测试相当复杂的逻辑。耶，我在代码中做了一些更改，现在工作正常。你在代码中做了哪些更改？请让我知道如何改进我的答案-谢谢。
    rn V1 lvl
 1:  1 48   1
 2:  1  8   2
 3:  1  1   3
 4:  1  1   4
 5:  2 48   1
 6:  2  8   2
[...]
25:  9 48   1
26:  9 11   2
27:  9  1   3
28:  9  2   4
29: 10 48   1
30: 10 11   2
31: 10  1   3
32: 10  2   4
33: 10  2   5
34: 10  2   6
35: 10  2   7
36: 10  1   8
37: 11 48   1
38: 11 11   2
39: 11  1   3
40: 11  2   4
41: 11  2   5
42: 11  2   6
43: 11  2   7
44: 11  2   8
45: 12 48   1
46: 12 11   2
47: 12  1   3
48: 12  2   4
49: 12  2   5
50: 12  3   6
51: 13 48   1
52: 13 11   2
53: 13  2   3
54: 14 48   1
55: 14 11   2
56: 14  2   3
57: 14  1   4
58: 15 48   1
59: 15 11   2
60: 15  2   3
61: 15  1   4
62: 15  1   5
63: 16 48   1
64: 16 11   2
65: 16  3   3
66: 17 48   1
67: 17 11   2
68: 17  3   3
69: 17  3   4
70: 17  3   5
71: 17  1   6
72: 18 50   1
    rn V1 lvl

nlvl

    rn N gap M
 1:  1 4   0 5
 2:  2 4   0 5
 3:  3 3   0 5
 4:  4 2   0 5
 5:  5 2   0 5
 6:  6 2   0 5
 7:  7 3   0 5
 8:  8 4   0 5
 9:  9 4   1 5
10: 10 8   1 5
11: 11 8   1 5
12: 12 6   1 5
13: 13 3   1 5
14: 14 4   1 5
15: 15 5   1 5
16: 16 3   2 4
17: 17 6   2 4
18: 18 1   2 4

long[!nlvl[N > M], on = .(rn, lvl >= M, lvl < N)][
  , .(No = paste(V1, collapse = ".")), by = rn][DT, on = "rn"]

    rn          No               i.No
 1:  1    48.8.1.1          48.8.1.1.
 2:  2    48.8.1.2          48.8.1.2.
 3:  3      48.8.2            48.8.2.
 4:  4        48.9              48.9.
 5:  5       48.10             48.10.
 6:  6       48.11             48.11.
 7:  7     48.11.1           48.11.1.
 8:  8   48.11.1.1         48.11.1.1.
 9:  9   48.11.1.2         48.11.1.2.
10: 10 48.11.1.2.1 48.11.1.2.2.2.2.1.
11: 11 48.11.1.2.2 48.11.1.2.2.2.2.2.
12: 12 48.11.1.2.3     48.11.1.2.2.3.
13: 13     48.11.2           48.11.2.
14: 14   48.11.2.1         48.11.2.1.
15: 15 48.11.2.1.1       48.11.2.1.1.
16: 16     48.11.3           48.11.3.
17: 17   48.11.3.1     48.11.3.3.3.1.
18: 18          50                50.

library(data.table)
DT <- data.table(No = c(
  "48.8.1.1.", 
  "48.8.1.2.",
  "48.8.2." ,
  "48.9." ,
  "48.10." ,
  "48.11." ,
  "48.11.1." ,
  "48.11.1.1." ,
  "48.11.1.2." ,
  "48.11.1.2.2.2.2.1.",
  "48.11.1.2.2.2.2.2.",
  "48.11.1.2.2.3.",
  "48.11.2.",
  "48.11.2.1.",
  "48.11.2.1.1.",
  "48.11.3.",
  "48.11.3.3.3.1.",
  "50."
))