通过匹配字符串分隔列答案

【问题标题】：Separate column by matching strings通过匹配字符串分隔列
【发布时间】：2020-07-31 10:20:17
【问题描述】：

我的数据框看起来或多或少像这样：

name_position
RAHEEM STERLINGForward
MARCUS RASHFORDForward
JORDAN HENDERSONMidfielder
JORDAN PICKFORDGoalkeeper
KYLE WALKERDefender

我的目的是创建前一列的两列，因此我创建了一个包含所有可用位置的向量

positions <- c("Goalkeeper", "Defender", "Midfielder", "Forward")

然后我一直在尝试使用诸如separate()、extract() 甚至str_match 之类的函数，但我无法获得我想要达到的输出，看起来是这样的：

name                   position
RAHEEM STERLING        Forward
MARCUS RASHFORD        Forward
JORDAN HENDERSON       Midfielder
JORDAN PICKFORD        Goalkeeper
KYLE WALKER            Defender

【问题讨论】：

标签： r regex dplyr tidyr stringr

【解决方案1】：

我们可以将separate 与正则表达式环视一起使用

library(dplyr)
library(tidyr)
df1 %>%
  separate(name_position, into = c("name", "position"), 
           sep="(?<=[A-Z])(?=[A-Z][a-z])")
#             name   position
#1  RAHEEM STERLING    Forward
#2  MARCUS RASHFORD    Forward
#3 JORDAN HENDERSON Midfielder
#4  JORDAN PICKFORD Goalkeeper
#5      KYLE WALKER   Defender

如果我们有自定义向量，那么一种选择是通过创建单个字符串来创建 pattern 向量

library(stringr)
pat <- str_c(positions, collapse="|")
df1 %>% 
   transmute(name = str_remove(name_position, pat),
            position = str_extract(name_position, pat))

数据

df1 <- structure(list(name_position = c("RAHEEM STERLINGForward", "MARCUS RASHFORDForward", 
"JORDAN HENDERSONMidfielder", "JORDAN PICKFORDGoalkeeper", 
"KYLE WALKERDefender"
)), class = "data.frame", row.names = c(NA, -5L))

【讨论】：

【解决方案2】：

使用str_extract来自stringr：

df1$position <- str_extract(df1$name_position, "(?<=[A-Z])[A-Z][a-z]+")

结果：

df1
               name_position   position
1     RAHEEM STERLINGForward    Forward
2     MARCUS RASHFORDForward    Forward
3 JORDAN HENDERSONMidfielder Midfielder
4  JORDAN PICKFORDGoalkeeper Goalkeeper
5        KYLE WALKERDefender   Defender

此解决方案使用正向回溯：

(?<=[A-Z]) 如果你在左边看到一个大写字母...

[A-Z][a-z]+ ... 匹配后面的大写字母加上它后面的一个或多个小写字母

【讨论】：