在第一个遇到的数字上通过 dplyr 使用单独的（tidyr）分隔列

Question

我试图将一个相当混乱的列分成两列，包含 period 和 description。我的数据类似于以下摘录：

set.seed(1)
dta <- data.frame(indicator=c("someindicator2001", "someindicator2011",
                              "some text 20022008", "another indicator 2003"),
                  values = runif(n = 4))

想要的结果

想要的结果应该是这样的：

          indicator   period    values
1     someindicator     2001 0.2655087
2     someindicator     2011 0.3721239
3         some text 20022008 0.5728534
4 another indicator     2003 0.9082078

特征

指标说明在一栏中
数值（从第一个数字开始计算，第一个数字在第二列）

代码

require(dplyr); require(tidyr); require(magrittr)
dta %<>%
  separate(col = indicator, into = c("indicator", "period"),
           sep = "^[^\d]*(2+)", remove = TRUE)

自然这不行：

> head(dta, 2)
  indicator period    values
1              001 0.2655087
2              011 0.3721239

其他尝试

我也尝试过默认的分隔方法 sep = "[^[:alnum:]]" 但它会将列分解为太多列，因为它似乎与所有可用数字匹配。
sep = "2*" 也不起作用，因为有时 2 太多 （例如：20032 006).

我想做的归结为：

识别字符串中的第一个数字
在那份章程上分居。 事实上，我也很乐意保留那个特定的角色。

Answer 1

我想这也许可以。

library(tidyr)
separate(dta, indicator, c("indicator", "period"), "(?<=[a-z]) ?(?=[0-9])")
#           indicator   period    values
# 1     someindicator     2001 0.2655087
# 2     someindicator     2011 0.3721239
# 3         some text 20022008 0.5728534
# 4 another indicator     2003 0.9082078

以下是regex101.

为大家带来的正则表达式的解释

(?<=[a-z]) 是一个积极的回顾 - 它断言 [a-z]（匹配 a 和 z 之间的范围内存在的单个字符（区分大小写））可以匹配
?按字面意思匹配前面的space字符，0次到1次之间，尽可能多次，按需回馈
(?=[0-9]) 是一个积极的前瞻——它断言 [0-9]（匹配 0 到 9 范围内的单个字符）可以被匹配

Answer 2

你也可以使用 unglue::unnest() :

dta <- data.frame(indicator=c("someindicator2001", "someindicator2011",
                              "some text 20022008", "another indicator 2003"),
                  values = runif(n = 4))

# remotes::install_github("moodymudskipper/unglue")
library(unglue)
unglue_unnest(dta, indicator, "{indicator}{=\s*}{period=\d*}")
#>       values         indicator   period
#> 1 0.43234262     someindicator     2001
#> 2 0.65890900     someindicator     2011
#> 3 0.93576805         some text 20022008
#> 4 0.01934736 another indicator     2003

^{由 reprex package (v0.3.0)}

于 2019-09-14 创建

在第一个遇到的数字上通过 dplyr 使用单独的（tidyr）分隔列

Separating column using separate (tidyr) via dplyr on a first encountered digit

regex

string

r

dplyr

tidyr

想要的结果

特征

代码

其他尝试