在 R 中有条件地拆分列

Question

我的数据框看起来像这样：

Var
H2307
A123
F45fjhsk
category
J30HS

我希望它看起来像这样：

Var       Var_1       Var_2
H2307     H           2307
A123      A           123
F45fjhsk  NA          NA
category  NA          NA
J30HS     J           30HS

我试过这个的变体：

for (i in 1:length(dat$Var)){
   if (nchar(dat$Var) < 7){
     tx <- strsplit(dat$Var[i], split = "(?<=[a-zA-Z])(?=[0-9])", perl = T)
     tx <- t(matrix(tx, nrow=2, ncol=length(tx)/2))
   }
 }

我认为这已经很接近了，但仍然行不通；拆分部分工作得很好。我有“< 7”，因为我要拆分的所有字符串都少于 7 个字符，因此它排除了 "F45fjhsk" 条目。

Answer 1

这里有一个选项 tidyr::extract:

library(tidyr)
df <- df %>% 
    extract(Var, into=c("Var_1", "Var_2"), regex="^(?=.{1,7}$)([a-zA-Z]+)([0-9].*)$", remove=FALSE)
df

#       Var Var_1 Var_2
#1    H2307     H  2307
#2     A123     A   123
#3 F45fjhsk  <NA>  <NA>
#4 category  <NA>  <NA>
#5    J30HS     J  30HS

^(?=.{1,7}$) asserts the total number of characters 小于或等于七； ([a-zA-Z]+)匹配字符串开头的非数字部分； ([0-9].*) 匹配第一个数字后的所有内容。

Answer 2

您的正则表达式似乎排除了第二组中出现字母的可能性

([a-zA-Z])(.+)

通过在第二个集合中使用 (.+)，您也可以处理这种情况。

在 R 中有条件地拆分列

Splitting Column Conditionally in R

r

regex

strsplit