在R中的随机数据中查找年份

我在一个数据框中有71列，其中10列包含格式为YYYY（例如2019）的1990年至2019年之间的一年的数据。例如：

id_1 <- c("regkfg_2013", "fsgdf-2014", "f2016sghsg", "gjdg1990_3759")
id_2 <- c("dghdgl2013jg", "2fgdg_2014_hf", "ghdg_2016*89", "gc-hs1990")

---

id_1有很多方法。这是其中之一：

步骤1：定义要与正则表达式匹配的模式：

pattern <- "(1|2)\\d{3}"

还有一种方法，实际上更简单；）

它使用
strungr
包中的
stru extract
函数。因此，您可以安装并激活该软件包：

install.packages("stringr")
library(stringr)

并使用
stru extract
提取匹配项：

years <- str_extract(id_1,"(1|2)\\d{3}") 
years
[1] "2013" "2014" "2016" "1990"

您可以如下设置
ifelse
测试：

dated_data <- select(undated_data, 1:71) %>% 
                filter(grepl("1990", id_1) | filter(grepl("1990", id_2) | filter(grepl("1991", id_1) | filter(grepl("1991", id_2)

years <- ifelse(grepl("(1|2)\\d{3}", id_3), str_extract(id_3,"(1|2)\\d{3}"), NA)
years
[1] "2013" "2014" "2016" "1990" NA     NA 

years有很多方法。这是其中之一：

步骤1：定义要与正则表达式匹配的模式：

pattern <- "(1|2)\\d{3}"

还有一种方法，实际上更简单；）

它使用
strungr
包中的
stru extract
函数。因此，您可以安装并激活该软件包：

install.packages("stringr")
library(stringr)

并使用
stru extract
提取匹配项：

years <- str_extract(id_1,"(1|2)\\d{3}") 
years
[1] "2013" "2014" "2016" "1990"

您可以如下设置
ifelse
测试：

dated_data <- select(undated_data, 1:71) %>% 
                filter(grepl("1990", id_1) | filter(grepl("1990", id_2) | filter(grepl("1991", id_1) | filter(grepl("1991", id_2)

years <- ifelse(grepl("(1|2)\\d{3}", id_3), str_extract(id_3,"(1|2)\\d{3}"), NA)
years
[1] "2013" "2014" "2016" "1990" NA     NA 

years根据您问题中的示例，您试图过滤掉任何没有年份的行，然后从字符串中提取年份。看起来每行只包含一年。下面是一些代码，这样您就不必为10列和30年编写长筛选语句。请记住，我没有您的数据，因此无法对其进行测试

library(tidyverse)

undated_data %>%
  select(1:71) %>%
  filter_at(vars(starts_with("id_"), any_vars(grepl(paste0(1990:2019, collapse = "|"), .)))) %>%
  mutate(year = str_extract(id_1, pattern = paste0(1990:2019, collapse = "|")))

编辑：根据你的评论，可能有些栏目有一年，而其他栏目没有。相反，我们要做的是将年份从具有
id.*
的任何列中拉出，然后
将这些列合并在一起。同样，如果没有您的数据，很难对其进行测试

undated_data %>%
  select(1:71) %>%
  filter_at(vars(starts_with("id_"), any_vars(grepl(paste0(1990:2019, collapse = "|"), .)))) %>%
  mutate_at(vars(starts_with("id_")), list(year = ~str_extract(., pattern = paste0(1990:2019, collapse = "|")))) %>%
  mutate(year = coalesce(ends_with("_year"))) %>%
  select(-ends_with("_year"))

根据问题中的示例，您试图过滤掉任何没有年份的行，然后从字符串中提取年份。看起来每行只包含一年。下面是一些代码，这样您就不必为10列和30年编写长筛选语句。请记住，我没有您的数据，因此无法对其进行测试

library(tidyverse)

undated_data %>%
  select(1:71) %>%
  filter_at(vars(starts_with("id_"), any_vars(grepl(paste0(1990:2019, collapse = "|"), .)))) %>%
  mutate(year = str_extract(id_1, pattern = paste0(1990:2019, collapse = "|")))

编辑：根据你的评论，可能有些栏目有一年，而其他栏目没有。相反，我们要做的是将年份从具有
id.*
的任何列中拉出，然后
将这些列合并在一起。同样，如果没有您的数据，很难对其进行测试

undated_data %>%
  select(1:71) %>%
  filter_at(vars(starts_with("id_"), any_vars(grepl(paste0(1990:2019, collapse = "|"), .)))) %>%
  mutate_at(vars(starts_with("id_")), list(year = ~str_extract(., pattern = paste0(1990:2019, collapse = "|")))) %>%
  mutate(year = coalesce(ends_with("_year"))) %>%
  select(-ends_with("_year"))

使用tidyverse方法：

undated_data %>% 
  mutate_at(vars(1:71), 
            funs(str_extract(., "(1|2)[0-9]{3}")))

（请注意，正则表达式模式将匹配可能不是年的数字，例如2999；如果您的数据有许多类似的“误报”，则最好编写一个自定义函数。）
使用tidyverse方法：

undated_data %>% 
  mutate_at(vars(1:71), 
            funs(str_extract(., "(1|2)[0-9]{3}")))

（请注意，正则表达式模式将匹配可能不是年的数字，例如2999；如果您的数据有许多类似的“误报”，您最好编写一个自定义函数。）
这里有一个类似于所提供的解决方案，但在
data.frame
上使用
dplyr
和
stringr

library(stringr)
library(dplyr)

df<-data.frame("X1" = id_1,"X2" = id_2)
#Set in cols the column names from which years are going to be extracted
df %>%
  pivot_longer(cols = c("X1","X2"), names_to = "id") %>%
  arrange(id) %>%
  mutate(new = unlist(str_extract_all(value, pattern = "(1|2)\\d{3}")))

库（stringr）
图书馆（dplyr）
df%
pivot_更长（cols=c（“X1”、“X2”），名称_to=“id”）%>%
排列（id）%>%
mutate（new=unlist（str_extract_all（value，pattern=“（1 | 2）\\d{3}”））
这里有一个与提供的解决方案类似的解决方案，但是在
数据帧上使用了
dplyr
和
stringr

library(stringr)
library(dplyr)

df<-data.frame("X1" = id_1,"X2" = id_2)
#Set in cols the column names from which years are going to be extracted
df %>%
  pivot_longer(cols = c("X1","X2"), names_to = "id") %>%
  arrange(id) %>%
  mutate(new = unlist(str_extract_all(value, pattern = "(1|2)\\d{3}")))

库（stringr）
图书馆（dplyr）
df%
pivot_更长（cols=c（“X1”、“X2”），名称_to=“id”）%>%
排列（id）%>%
mutate（new=unlist（str_extract_all（value，pattern=“（1 | 2）\\d{3}”））
这里可能有另一种解决方案

我们只需使用
gsub（）
函数，并将模式设置为“（199[0-9]| 20[01][0-9]）”

该模式将1990年至2019年间的一年文本作为
分组结果，特别是只有一个组，所以我们用第一个组字符串替换原始文本：）

库（magrittr）
id_1这里可能有另一种解决方案

我们只需使用
gsub（）
函数，并将模式设置为“（199[0-9]| 20[01][0-9]）”

该模式将1990年至2019年间的一年文本作为
分组结果，特别是只有一个组，所以我们用第一个组字符串替换原始文本：）

库（magrittr）
id_1R基溶液：

# Sample data: id_1; id_2 => character vectors
id_1 <- c("regkfg_2013", "fsgdf-2014", "f2016sghsg", "gjdg1990_3759")
id_2 <- c("dghdgl2013jg", "2fgdg_2014_hf", "ghdg_2016*89", "gc-hs1990")

# Thanks @Chris Ruehlemann: store the date pattern: date_pattern => character scalar
date_pattern <- "(1|2)\\d{3}"

# Convert to data.frame: df => data.frame 
df <- data.frame(id_1, id_2, stringsAsFactors = FALSE)

# Subset the data to only contain date information vectors: dates_subset => data.frame 
dates_subset <- df[,sapply(df, function(x){any(grepl(date_pattern, x))}), drop = FALSE]

# Initialse the year vector: year => character vector: 
df$years <- NA_character_

# Remove punctuation and letters, return valid dates, combine into a, comma-separated string:
# Store the dates found in the string: years => character vector 
df$years[which(rowSums(Vectorize(grepl)(date_pattern, dates_subset)) > 0)] <- 
  apply(sapply(dates_subset, function(x){
    grep(date_pattern,  unlist(strsplit(x, "[[:punct:]]|[a-zA-Z]")), value = TRUE)}), 
    1, paste, collapse = ", ")

#示例数据：id_1；id_2=>字符向量
id_1 0）]基本R溶液：

# Sample data: id_1; id_2 => character vectors
id_1 <- c("regkfg_2013", "fsgdf-2014", "f2016sghsg", "gjdg1990_3759")
id_2 <- c("dghdgl2013jg", "2fgdg_2014_hf", "ghdg_2016*89", "gc-hs1990")

# Thanks @Chris Ruehlemann: store the date pattern: date_pattern => character scalar
date_pattern <- "(1|2)\\d{3}"

# Convert to data.frame: df => data.frame 
df <- data.frame(id_1, id_2, stringsAsFactors = FALSE)

# Subset the data to only contain date information vectors: dates_subset => data.frame 
dates_subset <- df[,sapply(df, function(x){any(grepl(date_pattern, x))}), drop = FALSE]

# Initialse the year vector: year => character vector: 
df$years <- NA_character_

# Remove punctuation and letters, return valid dates, combine into a, comma-separated string:
# Store the dates found in the string: years => character vector 
df$years[which(rowSums(Vectorize(grepl)(date_pattern, dates_subset)) > 0)] <- 
  apply(sapply(dates_subset, function(x){
    grep(date_pattern,  unlist(strsplit(x, "[[:punct:]]|[a-zA-Z]")), value = TRUE)}), 
    1, paste, collapse = ", ")

#示例数据：id_1；id_2=>字符向量
id_1 0）]是否所有列都有一个名为
id_*
的潜在年份，是否每行只有一年，是否每行都有一年？您可以通过搜索具有4位数字的数字从基开始使用sub（）或regexec（）。更多信息是否所有列都有一个名为
id_*
的潜在年份，是否每行只有一年，每一行都有一年吗？你可以使用sub（）或regexec（）从基开始搜索有4位数字的数字查看更多这是完美的。非常感谢你！嘿，只有一个问题。有些列的匹配项少于行，因此，当我尝试将值添加到新列“year”时，会出现以下错误：
error in$this是完美的。非常感谢你！嘿，只有一个问题。有些列的匹配项少于行，因此，当我尝试将值添加到新列“year”时，会出现以下错误：
error in$这是一个很好的解决方案。谢谢嘿，非常感谢。只有一个问题-我得到了以下错误，因为不是每个单元格都有年份：
列年份的长度必须为1350（行数）或1，而不是940
。知道我该如何解决这个问题吗？有没有一个id变量有一年，而其他变量没有的情况？@Oliver我做了一个小小的调整更新了一下。如果您想在这方面获得更多帮助，我需要数据或数据的一小段。您可以使用
dput（head（未注明日期的_数据））
给出前10行。这是一个很好的解决方案。谢谢嘿，非常感谢。只有一个问题-我得到了以下错误，因为不是每个单元格都有年份：
列年份的长度必须为1350（行数）或1，而不是940
。知道我该怎么解决吗