如何正确组合 mutate 和 str_match？答案

【问题标题】：How to combine mutate and str_match correctly?如何正确组合 mutate 和 str_match？
【发布时间】：2021-04-06 07:25:01
【问题描述】：

假设我想将一个字符串列拆分为单独的列。为此，我使用了 stringr 包中的 mutate 和 str_match（或 str_replace），但结果并不理想。

设置数据框并拆分列：

df <-
  data.frame(strings = c('a_b_c', 'ab_cd_ef', 'abc_def_ghi')) %>%
  mutate(string = stringr::str_match(strings, '([a-z]+)_([a-z]+)_([a-z]+)')) 

df
      strings    string.1 string.2 string.3 string.4
1       a_b_c       a_b_c        a        b        c
2    ab_cd_ef    ab_cd_ef       ab       cd       ef
3 abc_def_ghi abc_def_ghi      abc      def      ghi

查看列名时，我只看到两列。这也使得引用列变得复杂。我认为这与 str_match 函数输出的矩阵格式有关。

df %>% ncol
[1] 2

df %>% colnames
[1] "strings" "string"

有没有一种简单的方法可以让这些新列表现得像普通的 data.frame 列？如果可能，使用重命名步骤。这是我想要的东西：

df %>% ncol
[1] 5

df %>% colnames
[1] "strings" "string_1" "string_2" "string_3" "string_4"

df
      strings    string_1 string_2 string_3 string_4
1       a_b_c       a_b_c        a        b        c
2    ab_cd_ef    ab_cd_ef       ab       cd       ef
3 abc_def_ghi abc_def_ghi      abc      def      ghi

【问题讨论】：

标签： r stringr dplyr

【解决方案1】：

我们可以使用cSplit

library(splitstackshape)
cSplit(df, "strings", "_", drop = FALSE)

或者使用来自tidyr的separate

library(tidyr)
library(stringr)
df %>%
    separate(strings, into = str_c('string_', 1:3), remove = FALSE)

【讨论】：

【解决方案2】：

以最通用的形式回答原始问题：str_match() 生成一个字符矩阵。我们可以使用as_tibble 和.name_repair 参数将它变成一个tibble 来选择列名——感谢tidyr 魔法，它也可以在mutate() 下工作：

library(tidyverse)

df <-
  data.frame(strings = c('a_b_c', 'ab_cd_ef', 'abc_def_ghi'))

df %>%
  mutate(stringr::str_match(strings, '([a-z]+)_([a-z]+)_([a-z]+)') %>%
         as_tibble(.name_repair = ~ c("matched", "prefix", "midfix", "suffix")))

      strings     matched prefix midfix suffix
1       a_b_c       a_b_c      a      b      c
2    ab_cd_ef    ab_cd_ef     ab     cd     ef
3 abc_def_ghi abc_def_ghi    abc    def    ghi

如果您想丢弃 matched 列（因为在此特定示例中它不会带来任何其他信息 w.r.t. strings），您可以在最后的管道步骤中执行此操作，例如%>% select(-matched)，在mutate() 的内部或外部随你喜欢。

【讨论】：