在R中实现括号后连续/固定字符的筛选处理咨询

首先，咱们先明确需求规则：

• 从每个括号项中提取前缀（0或1）和后缀数值
• 对连续相同前缀的组：
  • 前缀为0时，保留后缀数值最小的项
  • 前缀为1时，保留后缀数值最大的项
• 非连续的不同前缀项保持原顺序，只处理连续组

步骤1：准备数据 #

先把你提供的原始数据转换成R的数据框：

df <- data.frame(
  date = c("1/12/2017 0:15", "1/12/2017 0:30", "1/12/2017 0:45", "1/12/2017 1:00", "1/12/2017 1:15"),
  val = c("(0_04),(1_08),(0_12),(1_14)", "(0_22),(0_25),(1_29)", "(1_34),(1_38),(0_40),(1_44)", "(1_47),(1_49),(1_53),(1_57),(0_59)", "(0_07),(0_09),(0_10),(0_13),(1_14)"),
  cal_val = c("(0_04),(1_08),(0_12),(1_14)", "(0_22),(1_29)", "(1_38),(0_40),(1_44)", "(1_57),(0_59)", "(0_7),(1_14)"),
  stringsAsFactors = FALSE
)

步骤2：编写处理函数 #

我写了一个process_str函数来处理每个字符串，核心是分组处理连续的0/1项：

library(stringr)

process_str <- function(s) {
  # 提取所有括号内的内容（比如从"(0_22),(0_25)"中拿到c("0_22", "0_25")）
  items <- str_extract_all(s, "(?<=\\()\\d+_\\d+(?=\\))")[[1]]
  
  # 拆分每个项的前缀（0/1）和后缀数值
  prefix <- str_extract(items, "^\\d")
  num <- as.integer(str_extract(items, "(?<=_)\\d+"))
  
  # 生成分组标识：连续相同前缀的项归为一组
  groups <- cumsum(c(TRUE, prefix[-1] != prefix[-length(prefix)]))
  
  # 按组处理：0组取最小数值项，1组取最大数值项，同时统一数值格式（去掉前导0）
  processed_items <- lapply(split(data.frame(prefix=prefix, num=num), groups), function(group) {
    current_prefix <- unique(group$prefix)
    selected_num <- if (current_prefix == "0") min(group$num) else max(group$num)
    paste0(current_prefix, "_", selected_num)
  })
  
  # 把处理后的项拼接回原始的括号分隔格式
  paste0("(", paste(unlist(processed_items), collapse="),("), ")")
}

步骤3：应用函数并验证结果 #

把函数应用到val列，然后和预期的cal_val对比：

df$processed_val <- sapply(df$val, process_str)

# 查看结果
print(df[, c("date", "val", "processed_val", "cal_val")])

运行后输出的结果：

date                                                                 val                                 processed_val                                 cal_val
1 1/12/2017 0:15                        (0_04),(1_08),(0_12),(1_14)                        (0_4),(1_8),(0_12),(1_14)                        (0_04),(1_08),(0_12),(1_14)
2 1/12/2017 0:30                                (0_22),(0_25),(1_29)                                (0_22),(1_29)                                (0_22),(1_29)
3 1/12/2017 0:45                        (1_34),(1_38),(0_40),(1_44)                        (1_38),(0_40),(1_44)                        (1_38),(0_40),(1_44)
4 1/12/2017 1:00 (1_47),(1_49),(1_53),(1_57),(0_59)                                (1_57),(0_59)                                (1_57),(0_59)
5 1/12/2017 1:15        (0_07),(0_09),(0_10),(0_13),(1_14)                                (0_7),(1_14)                                (0_7),(1_14)

补充说明 #

• 这个函数依赖stringr包，如果你没安装的话，先运行install.packages("stringr")安装
• 函数会自动处理任意长度的连续组，不管是2个还是多个连续的0/1项
• 如果不需要统一数值格式（保留前导0），可以把生成项的代码改回直接取原item的逻辑：group$item[which.min(group$num)]或group$item[which.max(group$num)]

内容的提问来源于stack exchange，提问作者suny