R：将长单列数据帧分成两列，按字母和数字拆分，忽略标点符号

Question

我有一个包含关键字的大型数据集，最后是一个值。我已经设法从 pdf 格式读取数据，并留下如下数据：

  myData <- c("adjuster", "7", "hours", "rate", "oct 2 - 16," , "19", "hours", "rate", "_NA_NA_NA_NA_", "total", "gross", "pay", "6500", "_NA_NA_NA_table",  "NA_copy", "of", "9.16.19 to 9.30.19.xlsx_NA")

myDataDF <- as.data.frame(myData)

我的目标是将单列字符数据“展开”成两列，一列用于字母值，第二列用于下面的数值。我想引入标点符号，但忽略它作为将关键字与值分开的一种方法，因为某些数值具有标点符号。我想折叠（用空格）关键字，直到找到一个数值，然后将其放置在值列中。

我已经尝试了很多不同格式的数据（长字符串和字符串拆分），但这种格式似乎最有利于和干净地让我达到最终目标（让数据实际分析和执行计算） .我只是不知道如何限定继续崩溃，直到你在 R 中达到一个数字。

最终，如果看起来像这样就好了：

+==========================================+============================+
|                 keyword                  |           value            |
+==========================================+============================+
| adjuster                                 | 7                          |
+------------------------------------------+----------------------------+
| hours rate oct 2 - 16                    | 19                         |
+------------------------------------------+----------------------------+
| hours rate _NA_NA_NA_NA_ total gross pay | 6500                       |
+------------------------------------------+----------------------------+
| _NA_NA_NA_table NA_copy of               | 9.16.19 to 9.30.19.xlsx_NA |
+------------------------------------------+----------------------------+

Answer 1

最后一行模式不是很清楚。根据数据，我们可以通过仅检测“myData”列中的数值或“xlsx”来创建一个分组列，然后通过paste检测除last之外的值和第二列作为summarise last值

library(dplyr)
library(stringr)
myDataDF %>% 
     group_by(grp = lag(cumsum(str_detect(myData, '^\\d+$|xlsx')), 
          default = 0)) %>% 
     summarise(keyword = str_c(myData[-n()], collapse = ' '), 
               value = last(myData), .groups = 'drop') %>% 
     select(-grp)

-输出

# A tibble: 4 x 2
#  keyword                                  value                     
#  <chr>                                    <chr>                     
#1 adjuster                                 7                         
#2 hours rate oct 2 - 16,                   19                        
#3 hours rate _NA_NA_NA_NA_ total gross pay 6500                      
#4 _NA_NA_NA_table NA_copy of               9.16.19 to 9.30.19.xlsx_NA