在数据框中按数字拆分列答案

【问题标题】：Split columns by number in a dataframe在数据框中按数字拆分列
【发布时间】：2017-05-09 12:21:04
【问题描述】：

我试图在一个相当凌乱的数据框中分离一列。

section
View 500
V458
453

我想以此创建一个新列。使用如下所示的首选输出。

section  section numbers  
View     500
V        458
         453

我一直在尝试研究它，但我有时间研究它。我可以在第一行的情况下将它们分开，因为我可以像这样使用正则表达式。

df_split <- separate(df, col = section, into = c("section", "section_number"), sep = " +[1-9]")

但我似乎找不到使用“或”类型语句的方法。如果有人有任何意见，那就太好了。

【问题讨论】：

"\\s*(?=\\d)" PCRE 正则表达式可能会有所帮助。
似乎对我不起作用。
我的意思是do.call(rbind, str_split(df$section, '\\s*(?=\\d)', 2))

标签： r regex dataframe split

【解决方案1】：

这是一个使用base R 与read.csv 和sub 的选项。我们将末尾的数字捕获为一个组 ((\\d+)$)，并在 sub 中用逗号和组的反向引用 (\\1) 替换，然后用 read.csv 读取它

read.csv(text=sub("\\s*(\\d+)$", ",\\1", df1$section), fill=TRUE, header=FALSE, 
         col.names = c("section", "section number"), stringsAsFactors=FALSE)
#   section section.number
#1    View            500
#2       V            458
#3                    453

【讨论】：

【解决方案2】：

使用stringr（假设原始df只有一列名为section）：

library(stringr)
df_split <- as.data.frame(str_match(df$section, "([A-Za-z]*)\\s*([0-9]*)")[,2:3])
names(df_split) <- c('section', 'section numbers')
df_split

#  section section numbers
#1    View             500
#2       V             458
#3                     453

【讨论】：

【解决方案3】：

您可以为此使用tidyr：

tidyr::extract(df,section, c("section", "section number"), 
               regex="([[:alpha:]]*)[[:space:]]*([[:digit:]]*)")
  section section number
1    View            500
2       V            458
3                    453

【讨论】：

【解决方案4】：

使用简单的gsub 对我来说是一个选择：

section <- c('View 500', 'V458', '453')

cbind(section = trimws(gsub('[0-9]', '', section)), 
      section_numbers = trimws(gsub('[a-zA-Z]', '', section)))

我使用trimws 来删除任何不需要的空格。

输出：

    section section_numbers
[1,] "View"  "500"          
[2,] "V"     "458"          
[3,] ""      "453"

【讨论】：

【解决方案5】：

您可以使用extract，它也来自tidyr 包，您可以使用它指定捕获组，在此处将它们设为可选，并且可以非常灵活地处理不同的情况：

library(tidyr)
df %>% extract(section, into = c("alpha", "numeric"), regex = "([a-zA-Z]+)?\\s?(\\d+)?")

#  alpha numeric
#1  View     500
#2     V     458
#3  <NA>     453

【讨论】：