如何在r中的第n个字符之后拆分字符串答案

【问题标题】：How to split a string after the nth character in r如何在r中的第n个字符之后拆分字符串
【发布时间】：2020-05-21 20:30:42
【问题描述】：

我正在处理以下数据：

District <- c("AR01", "AZ03", "AZ05", "AZ08", "CA01", "CA05", "CA11", "CA16", "CA18", "CA21")

我想在第二个字符之后拆分字符串并将它们分成两列。

让数据看起来像这样：

state  district
AR        01
AZ        03
AZ        05
AZ        08
CA        01
CA        05
CA        11
CA        16
CA        18
CA        21

有没有简单的代码来完成这项工作？非常感谢您的帮助

【问题讨论】：

你看过substr吗？
我没有。我比较熟悉strsplit()。但是由于没有什么可拆分的，因此在这种情况下不适用

标签： r string split data-management

【解决方案1】：

如果你总是想用第二个字符分割，你可以使用substr。

District <- c("AR01", "AZ03", "AZ05", "AZ08", "CA01", "CA05", "CA11", "CA16", "CA18", "CA21")
#split district  starting at the first and ending at the second
state <- substr(District,1,2)
#split district starting at the 3rd and ending at the 4th
district <- substr(District,3,4)
#put in data frame if needed.
st_dt <- data.frame(state = state, district = district, stringsAsFactors = FALSE)

【讨论】：

这很有帮助！感谢您提供代码和注释。

【解决方案2】：

您可以使用基础 R 中的strcapture：

 strcapture("(\\w{2})(\\w{2})",District,
                    data.frame(state = character(),District = character()))
   state District
1     AR       01
2     AZ       03
3     AZ       05
4     AZ       08
5     CA       01
6     CA       05
7     CA       11
8     CA       16
9     CA       18
10    CA       21

\\w{2} 表示两个词

【讨论】：

【解决方案3】：

我们可以使用str_match 将前两个字符和剩余的字符串捕获在不同的列中。

stringr::str_match(District, "(..)(.*)")[, -1]

#      [,1] [,2]
# [1,] "AR" "01"
# [2,] "AZ" "03"
# [3,] "AZ" "05"
# [4,] "AZ" "08"
# [5,] "CA" "01"
# [6,] "CA" "05"
# [7,] "CA" "11"
# [8,] "CA" "16"
# [9,] "CA" "18"
#[10,] "CA" "21"

【讨论】：

【解决方案4】：

OP 有written

我更熟悉strsplit()。但既然没有什么可分割的 on，在这种情况下不适用

Au contraire！ 有一些东西要分开，它被称为 lookbehind：

strsplit(District, "(?<=[A-Z]{2})", perl = TRUE)

lookbehind 的工作方式类似于“插入一个不可见的中断”在 2 个大写字母之后并在那里拆分字符串。

结果是一个向量列表

[[1]]
[1] "AR" "01"

[[2]]
[1] "AZ" "03"

[[3]]
[1] "AZ" "05"

[[4]]
[1] "AZ" "08"

[[5]]
[1] "CA" "01"

[[6]]
[1] "CA" "05"

[[7]]
[1] "CA" "11"

[[8]]
[1] "CA" "16"

[[9]]
[1] "CA" "18"

[[10]]
[1] "CA" "21"

可以转化为矩阵，例如，通过

do.call(rbind, strsplit(District, "(?<=[A-Z]{2})", perl = TRUE))

      [,1] [,2]
 [1,] "AR" "01"
 [2,] "AZ" "03"
 [3,] "AZ" "05"
 [4,] "AZ" "08"
 [5,] "CA" "01"
 [6,] "CA" "05"
 [7,] "CA" "11"
 [8,] "CA" "16"
 [9,] "CA" "18"
[10,] "CA" "21"

【讨论】：

【解决方案5】：

把它当作定宽文件，然后导入：

# read fixed width file
read.fwf(textConnection(District), widths = c(2, 2), colClasses = "character")
#    V1 V2
# 1  AR 01
# 2  AZ 03
# 3  AZ 05
# 4  AZ 08
# 5  CA 01
# 6  CA 05
# 7  CA 11
# 8  CA 16
# 9  CA 18
# 10 CA 21

【讨论】：

【解决方案6】：

有了tidyverse，这很容易使用来自tidyr的函数separate：

library(tidyverse)
District %>% 
  as.tibble() %>% 
  separate(value, c("state", "district"), sep = "(?<=[A-Z]{2})")

# A tibble: 10 × 2
   state district
   <chr> <chr>   
 1 AR    01      
 2 AZ    03      
 3 AZ    05      
 4 AZ    08      
 5 CA    01      
 6 CA    05      
 7 CA    11      
 8 CA    16      
 9 CA    18      
10 CA    21

【讨论】：