按R中的字母/字符数拆分列标签

Question

我有一个大型数据集，其中所有列标题都是单独的 IDS，每个 8 个字符的长度。我想将这些单独的 ID 分成 2 行，其中第一行 ID 包含前 7 个字符，第二行只包含最后一个字符。

当前数据集：

ID1:    Indiv01A    Indiv01B    Indiv02A    Indiv02B    Speci03A    Speci03B

目标数据集：

ID1:    Indiv01 Indiv01 Indiv02 Indiv02 Speci03 Speci03  
ID2:    A   B   A   B   A   B

我查看了有关拆分数据的其他帖子，但它们似乎都有一种独特的方式来分隔列名（即：有一个逗号分隔两个组件，或一个句点）。

这是我认为效果最好的代码，但我不知道如何将“7 个字符”编码为分割点，而不是逗号：

sapply(strsplit(as.character(d$ID), ",")

任何帮助将不胜感激。

Answer 1

这是strsplit 解决方案的正则表达式。它在第 7 个和第 8 个字符之间分割字符串：

ID1 <- c("Indiv01A", "Indiv01B", "Indiv02A", "Indiv02B", "Speci03A", "Speci03B")

res <- strsplit(ID1, "(?<=.{7})", perl = TRUE)

# [[1]]
# [1] "Indiv01" "A"      
# 
# [[2]]
# [1] "Indiv01" "B"      
# 
# [[3]]
# [1] "Indiv02" "A"      
# 
# [[4]]
# [1] "Indiv02" "B"      
# 
# [[5]]
# [1] "Speci03" "A"      
# 
# [[6]]
# [1] "Speci03" "B"  

现在，您可以使用rbind 创建两列：

do.call(rbind, res)
#      [,1]      [,2]
# [1,] "Indiv01" "A" 
# [2,] "Indiv01" "B" 
# [3,] "Indiv02" "A" 
# [4,] "Indiv02" "B" 
# [5,] "Speci03" "A" 
# [6,] "Speci03" "B" 

---

正则表达式模式的解释：

(?<=.{7})

(?<=) 是一个（积极的）回顾。它匹配指定模式之前的任何位置。在这里，模式是.{7}。点 (.) 匹配任何字符。 {7} 表示 7 次。因此，正则表达式匹配前面正好有 7 个字符的位置。

Answer 2

这是一个 gsubfn 解决方案：

library(gsubfn)

strapplyc(ID1, "(.*)(.)", simplify = cbind)

给出这个矩阵：

     [,1]      [,2]      [,3]      [,4]      [,5]      [,6]     
[1,] "Indiv01" "Indiv01" "Indiv02" "Indiv02" "Speci03" "Speci03"
[2,] "A"       "B"       "A"       "B"       "A"       "B"    

如果您想要两列（而不是两行），请使用 rbind 代替 cbind。

Answer 3

有几种方法可以解决这个问题。

提取最终字符

首先，substr:

new.vec <- sapply(old.vec, function(x) substr(x, nchar(x), nchar(x)))

或者，sub:

new.vec <- sub('.*(.)', '\\1', old.vec)

其中old.vec 是要拆分的字符串向量。

出于兴趣，后一个选项使用 regular expression 转换为：“捕获（用括号括起来表示）跟随零个或多个其他字符 (.*) 的单个字符 (.)，并替换与捕获的内容匹配 (\\1)”。有关详细信息，请参阅 ?gsub 和 here。

以上选项允许不同的字符串长度。但是，如果您 总是 想要在 7 个字符后拆分，并且字符串的第二部分总是只有一个字符，那么以下应该可以工作：

new.vec <- substr(old.vec, 8, 8)

---

（已编辑以包含提取字符串第一部分的方法。）

提取所有但最后一个字符

过程类似。

new.vec <- sapply(old.vec, function(x) substr(x, 1, nchar(x) - 1))

new.vec <- sub('(.*).', '\\1', old.vec)

new.vec <- substr(old.vec, 1, 7)