在data.table中用均值替换字符串数值范围的优化方案求助

错误原因分析 #

在data.table的j参数中，..是特殊语法，用于引用父环境中的变量，因此你之前用..1、..3会被data.table误认为要寻找名为1、3的变量，而非gsubfn的捕获组参数，这就导致了报错。

解决方案 #

方案1：修改gsubfn的匿名函数写法（规避..冲突） #

直接给捕获组定义参数名，代替..n的写法，避开和data.table的语法冲突：

library(data.table)
library(gsubfn)

DT <- data.table(raw.data = c("1-2 min", "3-5 min or 2-4 min"),
                 desirable.data = c("1.5 min", "4 min or 3 min"))

DT[, new := gsubfn(pattern = "(\\d+)-(\\d+)", 
                   function(a, b) {
                     avg <- mean(c(as.numeric(a), as.numeric(b)))
                     # 处理整数均值，避免显示4.0这类冗余格式
                     if (avg %% 1 == 0) as.character(as.integer(avg)) else as.character(avg)
                   }, 
                   x = raw.data)]

方案2：使用stringr的str_replace_all（支持函数型替换） #

str_replace_all支持传递函数作为替换逻辑，无需依赖gsubfn，同样可以实现动态计算均值：

library(data.table)
library(stringr)

DT <- data.table(raw.data = c("1-2 min", "3-5 min or 2-4 min"),
                 desirable.data = c("1.5 min", "4 min or 3 min"))

DT[, new := str_replace_all(raw.data, "(\\d+)-(\\d+)", function(match) {
  # 提取捕获到的两个数值
  num1 <- as.numeric(match[2])
  num2 <- as.numeric(match[3])
  avg <- mean(c(num1, num2))
  # 格式化输出，整数显示为整数，非整数保留小数
  as.character(ifelse(avg %% 1 == 0, as.integer(avg), avg))
})]

验证结果 #

执行上述代码后，DT$new会和desirable.data完全一致：

> DT
             raw.data    desirable.data          new
1:          1-2 min          1.5 min          1.5 min
2: 3-5 min or 2-4 min 4 min or 3 min 4 min or 3 min

内容的提问来源于stack exchange，提问作者Ian Wang