2

半構造化テキストを含む列を持つデータフレームがあります。特定の情報を探していますが、それらにはどのように活用するかわからないパターンがあります。

head(events5)
     flight_history_id         date_time_recorded              event
862          280604281 2012-11-13 17:55:58.673-08 Arrival Estimation
5514         280316415 2012-11-12 17:25:08.814-08    Time Adjustment
5527         280315758 2012-11-12 16:10:06.968-08    Time Adjustment
5539         280316495 2012-11-12 15:38:10.099-08    Time Adjustment
5545         280303866 2012-11-13 06:51:45.831-08    Time Adjustment
5558         280303866 2012-11-12 05:50:23.547-08    Time Adjustment
                                                                               data_updated
862                                                     EGA- Based on Distance and Airspeed
5514                        EGD- New=11/13/12 20:20, DGATE- New=A1, EGA- New=11/13/12 21:00
5527         EGD- New=11/13/12 19:05, DGATE- New=A7, EGA- New=11/13/12 20:50, AGATE- New=C5
5539                        EGD- New=11/13/12 06:35, DGATE- New=A1, EGA- New=11/13/12 07:15
5545 AGD- Old=11/13/12 07:40 New=11/13/12 07:38, EGA- Old=11/13/12 10:25 New=11/13/12 10:18
5558         EGD- New=11/13/12 07:45, DGATE- New=11, EGA- New=11/13/12 10:25, AGATE- New=A1

これがdputです：

structure(list(flight_history_id = c(280604281L, 280316415L, 
280315758L, 280316495L, 280303866L, 280303866L, 280271465L, 280271465L, 
280271465L, 280271465L), date_time_recorded = structure(c(10L, 
4L, 3L, 2L, 7L, 1L, 9L, 8L, 6L, 5L), .Label = c("2012-11-12 05:50:23.547-08", 
"2012-11-12 15:38:10.099-08", "2012-11-12 16:10:06.968-08", "2012-11-12 17:25:08.814-08", 
"2012-11-12 17:58:14.268-08", "2012-11-13 05:16:41.01-08", "2012-11-13 06:51:45.831-08", 
"2012-11-13 07:38:19.593-08", "2012-11-13 07:54:22.588-08", "2012-11-13 17:55:58.673-08"
), class = "factor"), event = structure(c(1L, 2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L), .Label = c("Arrival Estimation", "Time Adjustment"
), class = "factor"), data_updated = structure(c(3L, 8L, 7L, 
4L, 2L, 5L, 1L, 10L, 9L, 6L), .Label = c("AGD- New=11/13/12 10:22, EGA- Old=11/13/12 11:20 New=11/13/12 11:09", 
"AGD- Old=11/13/12 07:40 New=11/13/12 07:38, EGA- Old=11/13/12 10:25 New=11/13/12 10:18", 
"EGA- Based on Distance and Airspeed", "EGD- New=11/13/12 06:35, DGATE- New=A1, EGA- New=11/13/12 07:15", 
"EGD- New=11/13/12 07:45, DGATE- New=11, EGA- New=11/13/12 10:25, AGATE- New=A1", 
"EGD- New=11/13/12 08:55, EGA- New=11/13/12 09:45, AGATE- New=A1", 
"EGD- New=11/13/12 19:05, DGATE- New=A7, EGA- New=11/13/12 20:50, AGATE- New=C5", 
"EGD- New=11/13/12 20:20, DGATE- New=A1, EGA- New=11/13/12 21:00", 
"EGD- Old=11/13/12 08:55 New=11/13/12 10:05, EGA- Old=11/13/12 09:45 New=11/13/12 10:55", 
"EGD- Old=11/13/12 10:05 New=11/13/12 10:30, EGA- Old=11/13/12 10:55 New=11/13/12 11:20"
), class = "factor")), .Names = c("flight_history_id", "date_time_recorded", 
"event", "data_updated"), row.names = c(862L, 5514L, 5527L, 5539L, 
5545L, 5558L, 5564L, 5566L, 5570L, 5572L), class = "data.frame")

列から'New='始まるパーツのフィールド部分を抽出しようとしています。問題は、2つの間に「Old=」フィールドがある場合があることです。stringr :: str_splitを使用して列をリストに変換することを検討しましたが、それでも同じ問題が発生します。これは正規表現/gsubの問題だと思いますが、実装方法が正確にはわかりません。'EGA''data_updated'

助言がありますか？

編集：最終製品をEGA/新しい値を持つベクトル/列にしたいのですが。だからこのようなもの：

NA
11/13/12 21:00
11/13/12 20:50
11/13/12 07:15
11/13/12 10:18
11/13/12 10:25
4

4 に答える 4

2

EGAこれは、@Pharaohの正規表現が-tagの後に無制限の量のテキストで機能するのと比較する代替案です。

/EGA-(?:(?!New=|").)+(New=[:\d\/ ]+)/g

"ネガティブ先読みのが一般的すぎる場合は、それを変更して「」と言うことができますEGD。

デモ+説明： http： //regex101.com/r/qY4uA0

フラグと区切り文字が不要な場合は削除してください。

于 2012-12-25T23:44:10.647 に答える
2

どのようにそのことについて？ 

EGA-\s*(?:Old=\d{2}\/\d{2}\/\d{2}\s+\d{2}:\d{2}\s*)?New=(\d{2}\/\d{2}\/\d{2}\s+\d{2}:\d{2})
于 2012-12-25T23:42:36.323 に答える
1

これが最初から最後までの解決策です：

##formats of the date-times
date.format <- "\\d{2}/\\d{2}/\\d{2} \\d{2}:\\d{2}"
##puts this together into a regex
regex.string <- paste0("EGA- (?:Old=",date.format," )?New=(",date.format,")")

##if pattern matches, get the part of "new" we are looking for
##otherwise NA
ifelse(grepl(regex.string,events5$data_updated),
  gsub(paste0("^.*",regex.string,".*$"),"\\1",events5$data_updated),
  NA_character_)
于 2012-12-26T03:32:18.947 に答える
1

概念は@BlueMagisterのものと似ていますが、ネストはそれほど多くありません。

gsub(".*EGA-.*New=([0-9/]{8} [0-9:]{5}).*|.*EGA.*", "\\1", events5$data_updated)
# [1] ""               "11/13/12 21:00" "11/13/12 20:50" "11/13/12 07:15"
# [5] "11/13/12 10:18" "11/13/12 10:25" "11/13/12 11:09" "11/13/12 11:20"
# [9] "11/13/12 10:55" "11/13/12 09:45"

基本的に、最初の部分はgsub「EGA-」を探すように言っていますが、これは必ずしも文字列の先頭に来るとは限らず、「New=」に遭遇したときにキャプチャを開始します。キャプチャパターン([0-9/]{8} [0-9:]{5})では、最初に数字とスラッシュが8文字の文字列、次にスペース、数字とコロンが5文字の文字列が続くと予想されます。次に、|キャラクターは、その前後の何かでEGAも探すと言うために使用されます。

新しい情報をに追加するには、次のdata.frameようなものを使用できます。

within(events5, {
  EGA.New <- gsub(".*EGA-.*New=([0-9/]{8} [0-9:]{5}).*|.*EGA-.*", 
                  "\\1", events5$data_updated)
})
于 2012-12-26T06:19:26.837 に答える