根据 R 中字符的自然格式拆分列答案

【问题标题】：Splitting a Column According to the Natural Format of its Characters in R根据 R 中字符的自然格式拆分列
【发布时间】：2017-03-10 09:40:16
【问题描述】：

我有以下数据框：

library(rvest)
library(XML)
library(tidyr)
library(zoo)
library(chron)
library(lubridate)
library(stringr)
page.201702050atl = read_html("http://www.pro-football-reference.com/boxscores/201702050atl.htm")
comments.201702050atl = page.201702050atl %>% html_nodes(xpath = "//comment()")
pbp.201702050atl = comments.201702050atl[45] %>% html_text() %>% read_html() %>% html_node("#pbp") %>% html_table()
colnames(pbp.201702050atl) = c('Quarter', 'Time', 'Down', 'ToGo', 'Location', 'Detail', 'Away.Score', 'Home.Score', 'EPB', 'EPA', 'Win.pct')
pbp.201702050atl.a = pbp.201702050atl[-union(which(pbp.201702050atl$Quarter == '1st Quarter'), which(pbp.201702050atl$Quarter == 'Quarter')), ]
pbp.201702050atl.b = pbp.201702050atl.a[-union(which(pbp.201702050atl.a$Quarter == '2nd Quarter'), which(pbp.201702050atl.a$Quarter == '3rd Quarter')), ]
pbp.201702050atl.c = pbp.201702050atl.b[-union(which(pbp.201702050atl.b$Quarter == '4th Quarter'), which(pbp.201702050atl.b$Quarter == 'Overtime')), ]
pbp.201702050atl.d = pbp.201702050atl.c[-which(pbp.201702050atl.c$Quarter == 'End of Overtime'), ]

我想创建一个新的数据框，将 pbp.201702050atl.d$Location 拆分为两列，以便字符元素组成一列，数字元素组成另一列，如下所示：

     V1    V2
1    "ATL" "35"
2    "NWE" "25"
3    "NWE" "34"
4    "NWE" "34"
5    "NWE" "34"
6    "NWE" "34"
7    "ATL" "34"
8    "ATL" "34"
9    "ATL" "34"
10   ""    "50"
...

为此，我写了：

Location.201702050atl = as.data.frame(str_split_fixed(as.character(pbp.201702050atl.d$Location), boundary("word"), n = 2))

虽然接近我想要的，但这个函数会导致：

     V1    V2
1    "ATL" "35"
2    "NWE" "25"
3    "NWE" "34"
4    "NWE" "34"
5    "NWE" "34"
6    "NWE" "34"
7    "ATL" "34"
8    "ATL" "34"
9    "ATL" "34"
10   "50"  ""
...

通知 Location.201702050atl[10,]。此函数仅在 Location.201702050atl$V2 中放置字符，前提是对于该行，原始列包含由空格分隔的两组字符。相反，我想在 Location.201702050atl$V1 中放置相似的（文本）字符，在 Location.201702050atl$V2 中放置相似的（数字）字符。当整个列实际上必须具有相同的格式时，如何根据其字符的自然格式拆分一列的元素，而不管其组成字符的自然格式如何？非常感谢您的帮助，谢谢。

【问题讨论】：

标签： r split strsplit

【解决方案1】：

如果我理解正确，也许这会有所帮助

library(data.table)
DT <- data.table(C1=replicate(10, paste0(sample(99,1), paste0(sample(LETTERS,2), collapse = "")) ) )
# Simulating a white space
DT$C1[10] <- "84 ME"
DT
    C1
 1:  38XT
 2:  29XL
 3:  24XH
 4:  14SC
 5:  34SY
 6:  80WB
 7:  23VB
 8:  23WR
 9:  19KJ
10: 84 ME
DT[, `:=` (C1_1 = gsub("[\\d]", "", C1, perl = T), C1_2 = gsub("[^\\d]", "", C1, perl = T)) ]
DT
       C1 C1_1 C1_2
 1:  38XT   XT   38
 2:  29XL   XL   29
 3:  24XH   XH   24
 4:  14SC   SC   14
 5:  34SY   SY   34
 6:  80WB   WB   80
 7:  23VB   VB   23
 8:  23WR   WR   23
 9:  19KJ   KJ   19
10: 84 ME   ME   84

如果您需要删除原始列，您可以

DT[, C1:=NULL]

请注意，此正则表达式将删除第一个中的所有数字，以及第二个中的所有非数字。这将不考虑订单。例如，D7M8 将返回 DM 和 78。

【讨论】：

完美！谢谢。