R 什么'；对时间文本数据进行分类的最佳方法是什么？

这是一个直截了当的问题：

我的时间文本数据如下所示：

110
120+
50分钟
50分钟
35-40
30
1个半小时
1小时20分钟

清理这些数据以便我可以分析它的最佳方法是什么？这是机器学习的工作吗？如果是，在这种情况下，哪些库/工具对我最有帮助

一个想法是使用gsub：

“as.numeric（gsub（（[0-9]+）.*$，“\1”，Timedata））”但这过度简化了数据

我希望清理后的数据如下所示：

110
120
50
50
37.5
30
90

---

80

很难说这会在哪里打破，但也许它会给你一些想法：

库（tidyverse）
倍%
str_替换（“…小时”，“60”）%>%
str_替换（“一半”、“30”）%>%
STRU分割（“\\-”）%>%
映射（~ifelse（长度（.）>1，平均值（如数字（.），））%>%
map（~ifelse（is.character（.）、str_extract_all（，“[：digit:]+]））%>%
展平（）%>%
map_dbl（~ifelse（is.character（.）、sum（as.numeric（.））、）
#> [1] 110.0 120.0  50.0  50.0  37.5  30.0  90.0  80.0

您的数据中有多少个观测值？大约500条记录或SOI如果您的示例显示了错误值的全部范围，那么我可以简单地（1）标记包含“分钟”一词的值，然后用

子项删除“分钟”一词。然后（2）标记长度大于的值，例如，四个字符，然后使用
ifelse
和
str\u detect
或手动对这些字符重新编码。您应该根据这些数字建立一个字典，并为可能的单词类型指定数字表示。使用Levenshtein距离来近似字典中最接近的表示。使用正则表达式检查字符串格式的Write if条件应该可以完成这项工作。