解析不同长度的字符串

问题描述

我正在尝试解析估算的薪水字符串以创建一个名为“ Salary.Min”的新字段，该字段应为数字值。看起来很简单，我可以使用快速的case语句在SQL中处理此问题，但在转换为R时遇到了麻烦。

我是否需要在此处使用for循环，还是有一种更有效/更简单的方法？通常，我正在寻找类似于“如果字符串中的第四个字符= K，然后返回字符2：3，否则返回字符2：4”

此代码起初似乎还不错，但在验证之后我意识到它消除了所有记录，其中第四个字符= K（即最低薪水$ 100k +）

>  ifelse(   
>    substr(data_public$Salary.Estimate,4,4) == "K",>        data_public$Salary.Min<- substr(data_public$Salary.Estimate,2,3),4))

我的Salary.Estimate值范围很广，例如： a）$ 105K-$ 115K b）$ 89K-$ 95K c）$ 78K-$ 85K

解决方法

我们可以使用trimws和substr将其缩短。在这里，我们将substr从2个字符转换为4个字符，并将whitespace中的trimws指定为'K'，其中which = 'right'表示要匹配尾随字符>

data_public$Salary.Min <- trimws(substr( data_public$Salary.Estimate,2,4),which = 'right',whitespace = "K")

---

或者我们可以使用sub

sub("^.(..)K?.","\\1",data_public$Salary.Estimate)

---

在ifelse代码中，分配应在ifelse之外

data_public$Salary.Min<- with(data_public,ifelse(substr(Salary.Estimate,4,4) == "K",substr(Salary.Estimate,3),4)))