如何拆分基于 R data.frame 列的正则表达式条件答案

【问题标题】：How to split R data.frame column based regular expression condition如何拆分基于 R data.frame 列的正则表达式条件
【发布时间】：2014-12-10 14:27:45
【问题描述】：

我有一个data.frame，我想根据正则表达式将其中一列拆分为两列。更具体地说，字符串在括号中具有后缀，需要将其提取到自己的列中。

例如我想从这里出发：

dfInit <- data.frame(VAR = paste0(c(1:10),"(",c("A","B"),")"))

到这里：

dfFinal <- data.frame(VAR1 = c(1:10), VAR2 = c("A","B"))

【问题讨论】：

标签： regex r dataframe

【解决方案1】：

1) gsubfn::read.pattern gsubfn 包中的read.pattern 可以做到这一点。与正则 r 表达式括号部分的匹配项被视为字段：

library(gsubfn)
read.pattern(text = as.character(dfInit$VAR), pattern = "(.*)[(](.*)[)]$")

给予：

2) sub 另一种方式是使用sub：

data.frame(V1=sub("\\(.*", "", dfInit$VAR), V2=sub(".*\\((.)\\)$", "\\1", dfInit$VAR))

给出相同的结果。

3) read.table 此解决方案不使用正则表达式：

read.table(text = as.character(dfInit$VAR), sep = "(", comment = ")")

给出相同的结果。

【讨论】：

【解决方案2】：

你也可以使用tidyr中的extract

library(tidyr)
extract(dfInit, VAR, c("VAR1", "VAR2"), "(\\d+).([[:alpha:]]+).", convert=TRUE) # edited and added `convert=TRUE` as per @aosmith's comments.



#    VAR1 VAR2
#1     1    A
#2     2    B
#3     3    A
#4     4    B
#5     5    A
#6     6    B
#7     7    A
#8     8    B
#9     9    A
#10   10    B

【讨论】：

在extract 中将convert 设置为TRUE 避免了mutate 的需要，尽管VAR2 然后被转换为一个因子。

【解决方案3】：

见Split column at delimiter in data frame

dfFinal <- within(dfInit, VAR<-data.frame(do.call('rbind', strsplit(as.character(VAR), '[[:punct:]]'))))

> dfFinal
   VAR.X1 VAR.X2
1       1      A
2       2      B
3       3      A
4       4      B
5       5      A
6       6      B
7       7      A
8       8      B
9       9      A
10     10      B

【讨论】：

【解决方案4】：

regmatches 和 gregexpr 的方法：

as.data.frame(do.call(rbind, regmatches(dfInit$VAR, gregexpr("\\w+", dfInit$VAR))))

【讨论】：

【解决方案5】：

您也可以使用splitstackshape 中的cSplit。

library(splitstackshape)
cSplit(dfInit, "VAR", "[()]", fixed=FALSE)
#    VAR_1 VAR_2
# 1:     1     A
# 2:     2     B
# 3:     3     A
# 4:     4     B
# 5:     5     A
# 6:     6     B
# 7:     7     A
# 8:     8     B
# 9:     9     A
#10:    10     B

【讨论】：

@akrun - 非常感谢您的编辑。我不认为正则表达式 sep 是可能的。
没问题。我之前也遇到过类似的情况，Ananda Mahto 提出了这个建议。