我会使用 gsub() 来识别我知道的字符串，然后可能手动完成其余的工作。

test <- c("15min", "15 min", "Maybe a few hours", 
          "4hr", "4hour", "3.5hr", "3-10", "3-10")
new_var <- rep(NA, length(test))

my_sub <- function(regex, new_var, test){
    t2 <- gsub(regex, "\\1", test)
    identified_vars <- which(test != t2)
    new_var[identified_vars] <- as.double(t2[identified_vars])
    return(new_var)    
}

new_var <- my_sub("([0-9]+)[ ]*min", new_var, test)
new_var <- my_sub("([0-9]+)[ ]*(hour|hr)[s]{0,1}", new_var, test)

要处理需要手动更改的内容，我建议如下：

# Which have we not found
by.hand <- which(is.na(new_var))

# View the unique ones not found
unique(test[by.hand])
# Create a list with the ones
my_interpretation <- list("3-10"= 5, "Maybe a few hours"=3)
for(key_string in names(my_interpretation)){
    new_var[test == key_string] <- unlist(my_interpretation[key_string])
}

这给出了：

> new_var
[1] 15.0 15.0  3.0  4.0  4.0  3.5  5.0  5.0

正则表达式可能有点棘手，每次我用正则​​表达式做任何事情时，我都会运行一些简单的测试。Se ?regex 用于手册。以下是一些基本行为：

> # Test some regex
> grep("[0-9]", "12")
[1] 1
> grep("[0-9]", "12a")
[1] 1
> grep("[0-9]$", "12a")
integer(0)
> grep("^[0-9]$", "12a")
integer(0)
> grep("^[0-9][0-9]", "12a")
[1] 1
> grep("^[0-9]{1,2}", "12a")
[1] 1
> grep("^[0-9]*", "a")
[1] 1
> grep("^[0-9]+", "a")
integer(0)
> grep("^[0-9]+", "12222a")
[1] 1
> grep("^(yes|no)$", "yes")
[1] 1
> grep("^(yes|no)$", "no")
[1] 1
> grep("^(yes|no)$", "(yes|no)")
integer(0)
> # Test some gsub, the \\1 matches default or the found text within the ()
> gsub("^(yes|maybe) and no$", "\\1", "yes and no")
[1] "yes"

@Max 的建议很好。似乎如果您编写一个识别数字以及常见的与时间相关的单词/缩写的算法，您将获得大部分的成功。这不会是漂亮的代码，但它会起作用，并且您可以在遇到问题案例时随着时间的推移对其进行改进。

但对于更健壮（且最初耗时）的方法，请尝试使用 Google 搜索“解析自然语言时间字符串”。一些有趣的发现是这个开放时间 API、一个很好的Python 模块，以及Stack Overflow上与此类似的许多密切相关的线程之一。

基本上，自然语言解析是一个常见问题，您应该寻找除 R 之外的其他语言的解决方案。您可以用另一种语言构建工具，您可以使用 R 访问该工具，或者至少您可以为自己的算法获得好的想法。

对于类似的事情，如果它足够长，我想我想要一个正则表达式和转换规则的列表，并将新值带到另一列（所以你总是有机会在不重新加载原始数据的情况下进行仔细检查） ; RE 将应用于尚未转换的数据，直到所有数据都被转换或所有规则都用尽。最好还保留一个逻辑值列表，指示哪些行尚未转换。

一些这样的规则当然是显而易见的，可能会处理 80-90% 的情况，但问题是总会有一些你不知道会出现（人们非常有创造力）。

然后，您需要一个脚本，该脚本一次向您显示尚未按明显规则列表转换的值的原始值，让您有机会制作正则表达式（例如) 来识别这些案例并为适合它的案例提供新的转换，它将其添加到原始列表中并应用于原始向量的尚未转换的行，然后再检查是否还有任何案例要呈现给您.

可以选择跳过一个案例（这样您就可以继续处理更简单的案例）也可能是合理的，这样您就可以将非常困难的案例推到最后。

最坏的情况，你手动做几个。

然后，您可以保留您生成的完整规则列表，以便在数据增长或出现新的类似数据集时再次应用。

我不知道它是否接近最佳实践（我认为那里需要更正式的东西），但就快速处理大量此类数据而言，它可能有一些价值。

R 包含一些用于数据操作的标准函数，可用于数据清理，在其基础包（gsub、transform等）以及各种第三方包中，例如stringr、reshape、reshape2和plyr。以下论文描述了这些软件包及其功能的使用示例和最佳实践：http: //vita.had.co.nz/papers/tidy-data.pdf。

此外，R 还提供了一些专门针对数据清理和转换的软件包：

• 编辑规则（http://cran.r-project.org/web/packages/editrules/index.html）
• deducorrect ( http://cran.r-project.org/web/packages/deducorrect/index.html )
• StatMatch ( http://cran.r-project.org/web/packages/StatMatch/index.html )
• MatchIt ( http://cran.r-project.org/web/packages/MatchIt/index.html )

以下论文介绍了 R 中数据清理的全面而连贯的方法，包括示例和使用editrules和deducorrect包，以及对 R 中数据清理的工作流程（框架）的描述，我强烈推荐：http ://cran.r-project.org/doc/contrib/de_Jonge+van_der_Loo-Introduction_to_data_cleaning_with_R.pdf。