从多列文本中提取 ID

Question

我有一个巨大的df，由不同的符号(#,space,)隔开。读取数据后，我有尚未分离的列。我尝试使用 tidyr::separate 来分隔列。但是因为我有很多列，所以分离的结果会覆盖下一列。

我尝试使用“'tidyr::separate'”来分隔列。但是因为我有很多列，所以分离的结果会覆盖下一列。

总而言之，我有 12 列要从中提取 IDs 和 coordinates。

预期结果：

 ID       X         Y
 3002349  8612088  50228881

Answer 1

如果所有行的格式都相同，您可以使用 tidyr::extract

tidyr::extract(df, v1, c("ID", "X", "Y"), regex = ".*ID=(\d+)#X=(\d+)#Y=(\d+)")
#       ID       X        Y
#1 3002349 8612088 50228881

这会从文本中提取数字，后跟 ID、X 和 Y 标签。

数据

x <- "Markt#ID=3002349#X=8612088#Y=50228881#RI=1|&RD=10062019&RT=6:46&L=1543&SM=0#1#2&CT=-1#-1#-1#-1#-1&P1=1111111111111111&O1=99999999&T1=99999999&F=-1&RF=1999991999999999111090999999&GP=FF=cost=-1|minDist=0|maxDist=2000|speed=100|routingType=1|ellipseRadius=1000|maxDur=120|waitTime=-1|linDistRouting=0|#BF=cost=-1|minDist=0|maxDist=2000|speed=100|routingType=1|ellipseRadius=1000|maxDur=120|waitTime=-1|linDistRouting=0|#&"
df <- data.frame(v1 = x)

Answer 2

我们可以在 base R 中使用 read.csv 和 sub

来做到这一点

read.csv(text= sub(".*ID=(\d+)#X=(\d+)#Y=(\d+).*", "\1,\2,\3", 
           df$v1), header = FALSE, col.names = c("ID", "X", "Y"))
#     ID       X        Y
#1 3002349 8612088 50228881

数据

df <- structure(list(v1 = structure(1L, .Label = "Markt#ID=3002349#X=8612088#Y=50228881#RI=1|&RD=10062019&RT=6:46&L=1543&SM=0#1#2&CT=-1#-1#-1#-1#-1&P1=1111111111111111&O1=99999999&T1=99999999&F=-1&RF=1999991999999999111090999999&GP=FF=cost=-1|minDist=0|maxDist=2000|speed=100|routingType=1|ellipseRadius=1000|maxDur=120|waitTime=-1|linDistRouting=0|#BF=cost=-1|minDist=0|maxDist=2000|speed=100|routingType=1|ellipseRadius=1000|maxDur=120|waitTime=-1|linDistRouting=0|#&", class = "factor")), class = "data.frame", row.names = c(NA, 
-1L))

从多列文本中提取 ID

Extract IDs from Text in many columns

r

dplyr

extract

tidyr

separator

数据