如何在 R 中分隔字符长度不等且没有分隔符的列答案

【问题标题】：How to separate a column in R with unequal character lengths and without separators如何在 R 中分隔字符长度不等且没有分隔符的列
【发布时间】：2020-02-13 17:13:19
【问题描述】：

我想将包含日期和项目的列分成两列。

V1
23/2/2000shampoo
24/2/2000flour
21/10/2000poultry
17/4/2001laundry detergent

到这里

V1           V2
23/2/2000    shampoo
24/2/2000    flour
21/10/2000   poultry
17/4/2001    laundry detergent

我的问题是两者之间没有分离。日期长度不统一（格式为 2000 年 1 月 1 日而不是 2000 年 1 月 1 日），因此我无法按字符长度分隔。该数据集还涵盖多年。

【问题讨论】：

标签： r tidyverse tidyr

【解决方案1】：

一个选项是separate 来自tidyr。我们使用正则表达式环视来指定sep，以在数字和小写字母之间进行分割

library(dplyr)
library(tidyr)
df1 %>%
   separate(V1, into = c("V1", "V2"), sep="(?<=[0-9])(?=[a-z])")
#        V1                V2
#1  23/2/2000           shampoo
#2  24/2/2000             flour
#3 21/10/2000           poultry
#4  17/4/2001 laundry detergent

或在使用sub 创建分隔符后使用read.csv

read.csv(text = sub("(\\d)([a-z])", "\\1,\\2", df1$V1), 
         header = FALSE, stringsAsFactors = FALSE)

数据

df1 <- structure(list(V1 = c("23/2/2000shampoo", "24/2/2000flour", 
      "21/10/2000poultry", 
"17/4/2001laundry detergent")), class = "data.frame", row.names = c(NA, 
-4L))

【讨论】：

谢谢，这正是我想要的。

【解决方案2】：

您还可以通过tidyr::extract() 使用捕获组。第一组\\d{1,2}/\\d{1,2}/\\d{4} 以您发布的格式获取日期，第二组[[:print:]]+ 获取至少一个可打印字符。

library(tidyverse)

df1 %>%
  extract(V1, c("V1", "V2"), "(\\d{1,2}/\\d{1,2}/\\d{4})([[:print:]]+)")
          V1                V2
1  23/2/2000           shampoo
2  24/2/2000             flour
3 21/10/2000           poultry
4  17/4/2001 laundry detergent

数据：

df1 <- readr::read_csv("V1
23/2/2000shampoo
24/2/2000flour
21/10/2000poultry
17/4/2001laundry detergent")

【讨论】：

【解决方案3】：

你也可以使用：

data <- data.frame(V1 = c("23-02-2000shampoo", "24-02-2001flour"))

library(stringr)
str_split_fixed(data$V1, "(?<=[0-9])(?=[a-z])", 2)

     [,1]         [,2]     
[1,] "23-02-2000" "shampoo"
[2,] "24-02-2001" "flour"

【讨论】：

错字：你用v1创建了数据框，但是用V1分割它
@Gainz 可以在base R 中使用相同的代码。 strsplitdo.call(rbind, strsplit(as.character(data$V1), "(?<=[0-9])(?=[a-z])", perl = TRUE))
@akrun 是的！我没想到你是对的。我只是习惯了 stringr 包，因为它在处理我使用的数据（500+ 数百万行）上比基础 R 快得多。非常感谢！
@Gainz stringr 环绕 stringi 并且 stringi 非常快 :=)
@akrun 是的，这绝对是一个了不起的包！