Extração de números de vetores de strings

Eu tenho uma string assim:

years<-c("20 years old", "1 years old")

Eu gostaria de usar o grep apenas para o número numérico desse vetor. A saída esperada é um vetor:

c(20, 1)

Como faço para fazer isso?

E se

# pattern is by finding a set of numbers in the start and capturing them
as.numeric(gsub("([0-9]+).*$", "\\1", years))

ou

# pattern is to just remove _years_old
as.numeric(gsub(" years old", "", years))

ou

# split by space, get the element in first index
as.numeric(sapply(strsplit(years, " "), "[[", 1))

Acho que a substituição é uma forma indireta de se chegar à solução. Se você deseja recuperar todos os números, recomendo gregexpr:

matches <- regmatches(years, gregexpr("[[:digit:]]+", years))
as.numeric(unlist(matches))

Se você tiver várias correspondências em uma string, todas elas serão obtidas. Se você estiver interessado apenas na primeira correspondência, use em regexprvez de gregexpre poderá pular o unlist.

Atualizar Como extract_numericestá obsoleto, podemos usar parse_numberdo readrpacote.

library(readr)
parse_number(years)

Aqui está outra opção com extract_numeric

library(tidyr)
extract_numeric(years)
#[1] 20  1

Aqui está uma alternativa para a primeira solução de Arun, com uma expressão regular semelhante ao Perl mais simples:

as.numeric(gsub("[^\\d]+", "", years, perl=TRUE))

Ou simplesmente:

as.numeric(gsub("\\D", "", years))
# [1] 20  1

Uma stringrsolução em pipeline:

library(stringr)
years %>% str_match_all("[0-9]+") %>% unlist %>% as.numeric

Você também pode se livrar de todas as letras:

as.numeric(gsub("[[:alpha:]]", "", years))

Provavelmente, isso é menos generalizável.

Extraia números de qualquer string na posição inicial.

x <- gregexpr("^[0-9]+", years)  # Numbers with any number of digits
x2 <- as.numeric(unlist(regmatches(years, x)))

Extraia números de qualquer string INDEPENDENTE de posição.

x <- gregexpr("[0-9]+", years)  # Numbers with any number of digits
x2 <- as.numeric(unlist(regmatches(years, x)))

Também podemos usar str_extractdestringr

years<-c("20 years old", "1 years old")
as.integer(stringr::str_extract(years, "\\d+"))
#[1] 20  1

Se houver vários números na string e quisermos extrair todos eles, podemos usar o str_extract_allqual, ao contrário, str_extractretorna todos os macthes.

years<-c("20 years old and 21", "1 years old")
stringr::str_extract(years, "\\d+")
#[1] "20"  "1"

stringr::str_extract_all(years, "\\d+")

#[[1]]
#[1] "20" "21"

#[[2]]
#[1] "1"

Após a postagem de Gabor Grothendieck, poste na lista de discussão r-help

years<-c("20 years old", "1 years old")

library(gsubfn)
pat <- "[-+.e0-9]*\\d"
sapply(years, function(x) strapply(x, pat, as.numeric)[[1]])

Usando o pacote unglue podemos fazer:

# install.packages("unglue")
library(unglue)

years<-c("20 years old", "1 years old")
unglue_vec(years, "{x} years old", convert = TRUE)
#> [1] 20  1

^{Criado em 06/11/2019 pelo pacote reprex (v0.3.0)}

Mais informações: https://github.com/moodymudskipper/unglue/blob/master/README.md