拆分字符串而不丢失字符- R

Question

我在一个更大的数据框中有两列，我很难拆分。过去，当我尝试使用 "space"、"," 或其他分隔符进行拆分时，我曾使用过 strsplit。这里最困难的部分是我不想丢失任何信息，当我拆分某些部分时，我最终会丢失信息。我想最终得到四列。这是我现在拥有的几行示例。

age-gen  surv-camp
45M      1LC
9F       0
12M      1AC
67M      1LC

这是我最终想要得到的。

age   gen   surv   camp
45    M     1      LC
9     F     0      
12    M     1      AC
67    M     1      LC

我在这里做了很多搜索，并在 Java、C++、html 等中找到了许多响应，但我没有找到任何可以解释的内容如何在 R 中执行此操作以及何时丢失数据。

我看到 this 关于在值之间添加 space 然后在 space 上拆分，但我不知道这将如何工作 1) 缺少数据， 2) 当我在每一行中没有一致的数字或字符值时。

Answer 1

我们遍历 'df1' (lapply(df1, ..) 的列，使用 sub 在数字子字符串后创建一个分隔符，将 vector 读为 data.frame 与 read.table、rbind 和 data.frames 的 list 并更改输出的列名称。

res <- do.call(cbind, lapply(df1, function(x)
      read.table(text=sub("(\d+)", "\1,", x), 
          header=FALSE, sep=",", stringsAsFactors=FALSE)))
colnames(res) <- scan(text=names(df1), sep=".", what="", quiet = TRUE)
res
#  age gen surv camp
#1  45   M    1   LC
#2   9   F    0     
#3  12   M    1   AC
#4  67   M    1   LC

或使用 separate 来自 tidyr

library(tidyr)
library(dplyr)
separate(df1, age.gen, into = c("age", "gen"), "(?<=\d)(?=[A-Za-z])", convert= TRUE) %>% 
       separate(surv.camp, into = c("surv", "camp"), "(?<=\d)(?=[A-Za-z])", convert = TRUE)
#  age gen surv camp
#1  45   M    1   LC
#2   9   F    0 <NA>
#3  12   M    1   AC
#4  67   M    1   LC

或者如@Frank 所述，我们可以使用 data.table

中的 tstrsplit

library(data.table)
setDT(df1)[, unlist(lapply(.SD, function(x) 
    tstrsplit(x, "(?<=[0-9])(?=[a-zA-Z])", perl=TRUE, 
                        type.convert=TRUE)), recursive = FALSE)]

编辑：在 separate 中添加了 convert = TRUE 以更改拆分后的列的 type。

数据

df1 <- structure(list(age.gen = c("45M", "9F", "12M", "67M"), surv.camp = c("1LC", 
 "0", "1AC", "1LC")), .Names = c("age.gen", "surv.camp"), 
class = "data.frame", row.names = c(NA, -4L))

拆分字符串而不丢失字符- R

Split String without losing character- R

r

strsplit

数据