在特定字符处分割字符串并保留该字符

Question

我找到了其他语言的答案，但没有找到R的答案，如果这是重复的，我深表歉意。

我在R中使用separate()函数，并且很好奇是否有可能在出现某个字符时将一列分为两列。例如：

data

    ID          Value
0011ER00      91346
0011ER46      59961
0011ER4610    53968
0011ER4620    55083
0011ER4630    51112
0011ER4640    67480
0011ER4650    45612
0011ER4660    53968

我想拆分ID列，以便数据看起来像这样：

data

Code    Region  Value
0011    ER00    91346
0011    ER46    59961
0011    ER4610  53968
0011    ER4620  55083
0011    ER4630  51112
0011    ER4640  67480
0011    ER4650  45612
0011    ER4660  53968

我尝试了以下代码：

data %>% 
  separate(ID, into = c("Code", "Region"), sep = "E")

但是我不能在结果中保留E并得到：

Code    Region  Value
0011    ER00    91346
0011    R46     59961
0011    R4610   53968
0011    R4620   55083
0011    R4630   51112
0011    R4640   67480
0011    R4650   45612
0011    R4660   53968

Answer 1

一个选择是对正则表达式进行环视，以在数字和字符之间的交界处进行拆分。在这里，我们还通过在任意数字的交界处拆分后跟字母“ E”的方式使它更具通用性

library(dplyr)
library(tidyr)
data %>% 
   separate(ID, into = c("Code", "Region"), sep = "(?<=[0-9])(?=E)")
#  Code Region Value
#1 0011   ER00 91346
#2 0011   ER46 59961
#3 0011 ER4610 53968
#4 0011 ER4620 55083
#5 0011 ER4630 51112
#6 0011 ER4640 67480
#7 0011 ER4650 45612
#8 0011 ER4660 53968

---

或者另一种选择是在,和str_replace之前插入定界符，然后执行separate

data %>%
   mutate(ID = str_replace(ID, "E", ",E")) %>% 
   separate(ID, into = c("Code", "Region"))

数据

data <- structure(list(ID = c("0011ER00", "0011ER46", "0011ER4610", "0011ER4620", 
"0011ER4630", "0011ER4640", "0011ER4650", "0011ER4660"), Value = c(91346L, 
59961L, 53968L, 55083L, 51112L, 67480L, 45612L, 53968L)), 
 class = "data.frame", row.names = c(NA, 
-8L))

Answer 2

我们可以使用extract中的tidyr。 regex参数与捕获组匹配（用括号括起来），并将它们分成into参数中指定的变量。请注意，捕获组的数量必须等于into变量名称的数量：

library(dplyr)
library(tidyr)

data %>%
  extract(ID, c("Code", "Region"), regex = "(^\\d+)([[:alpha:]]+\\d+)")

输出：

  Code Region Value
1 0011   ER00 91346
2 0011   ER46 59961
3 0011 ER4610 53968
4 0011 ER4620 55083
5 0011 ER4630 51112
6 0011 ER4640 67480
7 0011 ER4650 45612
8 0011 ER4660 53968

数据：

data <- structure(list(ID = structure(1:8, .Label = c("0011ER00", "0011ER46", 
"0011ER4610", "0011ER4620", "0011ER4630", "0011ER4640", "0011ER4650", 
"0011ER4660"), class = "factor"), Value = c(91346L, 59961L, 53968L, 
55083L, 51112L, 67480L, 45612L, 53968L)), class = "data.frame", row.names = c(NA, 
-8L))

extract与separate：

与使用separate（在@akrun的答案中）相反，extract专门匹配输出变量的内容，而separate匹配分隔符（或零长度位置）如果是环顾四周）。两者都是有效的，各有利弊。

根据您的用例，separate通常更有用，如果您想基于某个定界符将变量分为多个列，而无需知道输出变量的内容。

当必须确保从输入中获取每个输出变量的正确字符时，

extract更为有用。

在OP的情况下，这并不重要，因为他/她仅使用一个“定界符”将输入分为两个变量，并且输出的级联与输入完全匹配。