如何基于正则表达式在 dplyr 中分离一列答案

【问题标题】：How to separate a column in dplyr based on regex如何基于正则表达式在 dplyr 中分离一列
【发布时间】：2018-02-19 05:16:07
【问题描述】：

我有以下数据框：

df <- structure(list(X2 = c("BB_137.HVMSC", "BB_138.combined.HVMSC", 
"BB_139.combined.HVMSC", "BB_140.combined.HVMSC", "BB_141.HVMSC", 
"BB_142.combined.HMSC-bm")), .Names = "X2", row.names = c(NA, 
-6L), class = c("tbl_df", "tbl", "data.frame"))

看起来像这样

> df
# A tibble: 6 x 1
                       X2
                    <chr>
1            BB_137.HVMSC
2   BB_138.combined.HVMSC
3   BB_139.combined.HVMSC
4   BB_140.combined.HVMSC
5            BB_141.HVMSC
6 BB_142.combined.HMSC-bm

我想要做的是分成两列（. 作为分隔符），将最后一个字段保留为第二列

              col1 col2
            BB_137 HVMSC
   BB_138.combined HVMSC
   BB_139.combined HVMSC
   BB_140.combined HVMSC
            BB_141 HVMSC
   BB_142.combined HMSC-bm

正确的做法是什么？

我的尝试是这样的：

> df %>% separate(X2, into = c("sid","status", "tiss"), sep = "[.]") 
# A tibble: 6 x 3
     sid   status    tiss
*  <chr>    <chr>   <chr>
1 BB_137    HVMSC    <NA>
2 BB_138 combined   HVMSC
3 BB_139 combined   HVMSC
4 BB_140 combined   HVMSC
5 BB_141    HVMSC    <NA>
6 BB_142 combined HMSC-bm

警告信息： 2 个位置的值太少：1、5

【问题讨论】：

标签： r regex dplyr tidyverse

【解决方案1】：

我们也可以使用 tidyr::extract()

extract(df, X2, c("col1","col2"), "(.*)\\.(H.*)")

【讨论】：

【解决方案2】：

我们可以在分离函数中使用负前瞻作为分隔符。

library(tidyr)
separate(data = df, col = X2, into = c("col1", "col2"), sep = "(\\.)(?!.*\\.)")

#            col1    col2
#           <chr>   <chr>
#1          BB_137   HVMSC
#2 BB_138.combined   HVMSC
#3 BB_139.combined   HVMSC
#4 BB_140.combined   HVMSC
#5          BB_141   HVMSC
#6 BB_142.combined HMSC-bm

正则表达式取自this 答案。

【讨论】：

哦，天哪...负前瞻。每次我认为我已经涵盖了正则表达式时，我都会学到一些新东西。