如何拆分小数后跟字母？

Question

我有如下日期

A <- c("-0.00023--0.00243unitincrease", "-0.00176-0.02176pmol/Lincrease(replication)",
       "0.00180-0.01780%varianceunitdecrease")

我想将数字部分和其余部分提取为两列 B 和 C。提取后，它应该得到以下数据框：

#                                           A                 B                           C
#               -0.00023--0.00243unitincrease -0.00023--0.00243                unitincrease
# -0.00176-0.02176pmol/Lincrease(replication)  -0.00176-0.02176 pmol/Lincrease(replication)
#        0.00180-0.01780%varianceunitdecrease   0.00180-0.01780       %varianceunitdecrease

如何在 R 中获得该结果？

Answer 1

将 strsplit 与肯定的 lookahead/lookbehind 结合使用。 [a-z%] 表示从 a 到 z 的字母范围以及 %签名，如果有其他可能性，应该扩大。

r1 <- do.call(rbind, strsplit(A, "(?<=\d)(?=[a-z%])", perl=TRUE))
res1 <- setNames(as.data.frame(cbind(A, r1)), LETTERS[1:3])
res1
#                                             A                 B                           C
# 1               -0.00023--0.00243unitincrease -0.00023--0.00243                unitincrease
# 2 -0.00176-0.02176pmol/Lincrease(replication)  -0.00176-0.02176 pmol/Lincrease(replication)
# 3        0.00180-0.01780%varianceunitdecrease   0.00180-0.01780       %varianceunitdecrease

您可能还想得到这些数字，

res2 <- type.convert(as.data.frame(
  do.call(rbind, strsplit(A, "(?<=\d)-|(?<=\d)(?=[a-z%])", perl=TRUE))))
res2
#         V1       V2                          V3
# 1 -0.00023 -0.00243                unitincrease
# 2 -0.00176  0.02176 pmol/Lincrease(replication)
# 3  0.00180  0.01780       %varianceunitdecrease

其中：

str(res2)
# 'data.frame': 3 obs. of  3 variables:
# $ V1: num  -0.00023 -0.00176 0.0018
# $ V2: num  -0.00243 0.02176 0.0178
# $ V3: Factor w/ 3 levels "%varianceunitdecrease",..: 3 2 1

Answer 2

您可以使用 strcapture 并传递正则表达式来提取数据。

这里我们将 A 分为两列 B 和 C，其中 B 列由一个可选的负号和一个小数组成，后跟一个 - 和另一个十进制数，而 C 列包含其他所有内容。

在基础 R 中，您可以使用 strcapture :

result <- cbind(A, strcapture('(-?\d+\.\d+.*-\d+\.\d+)(.*)', A, 
                   proto = list(B = character(), C = character())))
result

#                                            A                 B                           C
#1               -0.00023--0.00243unitincrease -0.00023--0.00243                unitincrease
#2 -0.00176-0.02176pmol/Lincrease(replication)  -0.00176-0.02176 pmol/Lincrease(replication)
#3        0.00180-0.01780%varianceunitdecrease   0.00180-0.01780       %varianceunitdecrease

您可以在 tidyr::extract 中使用相同的正则表达式，这将给出相同的输出。

data.frame(A) %>%
  tidyr::extract(A, c('B', 'C'), '(-?\d+\.\d+.*-\d+\.\d+)(.*)', remove = FALSE)

如何拆分小数后跟字母？

How to split decimal numbers followed by letters?

r

regex

qregularexpression