代码之家 › 专栏 › 技术社区 › Homer Jay Simpson

使用tidyverse函数基于R中的字符串模式分离列

tidyverse dataframe string r

Homer Jay Simpson · 技术社区 · 2 年前

我想从下面给出的数据中创建两列。我希望第一列(比如ID1)从左到右在第一个“-”之前有所有字母或数字,第二列(ID2)从右到左在第一个”-“之前有第一个字母或数字并将它们打印为字符。问题是我不知道如何处理手机上的多个“-”。因为我想要第一个“-”之前的字母和最后一个“-“之后的字母。所有其他“-”和字母或数字或任何需要排除的内容。

理想情况下,结果必须如下所示:

val	ID1	ID2	食物
1.	0001	美国1	披萨
2.	0023	?2MALTA	意大利面食
3.	009876	!匈牙利	伯格
4.	NA	NA	披萨

val = c(1,2,3,4)
tor = c( "0001-NEW YORK - M.AVENUE, NY-U.S.A1",
         "0023-cARAVAGGIO-NICOLO-PERUGIA-?2MALTA",
         "009876-bUDAPEST-!HUNGARY" ,NA)
food = c("pizza","pasta","berger","pizza")
DATA = tibble(val,tor,food)

1 回复 | 直到 2 年前

SamR 2 年前

这个 tidyverse 这样做的方法是 tidyr::separate_wider_regex() :

我们可以使用命名的捕获组来指定的部分 tor 我们想要保留的。正如文档所述, patterns 是

命名字符矢量,其中名称变为列名,值是与矢量内容匹配的正则表达式。 未命名的组件将匹配,但不会包含在输出中。

强调我的。在这种情况下:

tor_pattern <- c(
    ID1 = "\\d+", # any digits at the start
    "-.+-", # discard the part between hyphens
    ID2 = ".+$" # whatever appears after this until the end
)

这给了我们:

DATA |>
    tidyr::separate_wider_regex(
        cols = tor,
        patterns = tor_pattern
    )

# # A tibble: 4 Ã 4
#     val ID1    ID2      food  
#   <dbl> <chr>  <chr>    <chr> 
# 1     1 0001   U.S.A1   pizza 
# 2     2 0023   ?2MALTA  pasta 
# 3     3 009876 !HUNGARY berger
# 4     4 NA     NA       pizza

推荐文章