如何从一个数据框中的字符中提取字符串并放入新表中

Question

我正在开发一个新的闪亮项目，并尝试重复使用我同事在 SQL 中完成的一些工作，以加快为该应用构建数据所需的时间。

我不知道如何描述这个问题，所以我将通过展示我拥有的东西并解释我想要得到的东西来做到这一点。

基本上我们有一个 SQL 脚本，它将一堆数据分成两列。

1. 是一个标识符列，过去我们使用vlookup来拆分字符串组件并填充excel中的单元格。
2. 是所述标识符的值，无论是计数、平均值还是百分比。

如下所示。

                                            lookup output
    1:                                 dataAU20161    142
    2:                                 dataAU20171    246
    3:                                 dataAU20181     17
    4:                                 dataAU20191      3
    5:                                 dataAU20162    193
    6:                                 dataAU20172    203
    7:                                 dataAU20182     11
    8:                                 dataAU20192      9

理想情况下，我想将此数据转换为以下格式，其中'data' 字符串标识它们将进入同一数据帧。字符串中的年份将被实现为列，年份后面的数字（1 或 2）将作为因子变量作为列实现。

x   2016    2017    2018    2019
--------------------------------
1   142     246     17      3
2   193     203     11      9

对此的任何帮助将不胜感激！

Answer 1

一个选项是将“查找”列分成两列

library(dplyr)
library(tidyr)
df1 %>%
    extract(lookup, into = c('lookup', 'rn'), 'dataAU(\\d{4})(\\d{1})') %>%
    pivot_wider(names_from= lookup, values_from =output) %>%
    dplyr::select(-rn)
# A tibble: 2 x 4
#  `2016` `2017` `2018` `2019`
#   <int>  <int>  <int>  <int>
#1    142    246     17      3
#2    193    203     11      9

数据

df1 <- structure(list(lookup = c("dataAU20161", "dataAU20171", "dataAU20181", 
"dataAU20191", "dataAU20162", "dataAU20172", "dataAU20182", "dataAU20192"
), output = c(142L, 246L, 17L, 3L, 193L, 203L, 11L, 9L)), class = "data.frame", 
row.names = c("1:", 
"2:", "3:", "4:", "5:", "6:", "7:", "8:"))