Question

我有一个大型数据集，其中所有列标题都是单独的IDS，每个长度为8个字符。我想将这些个人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

预期数据集：

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称（即：分隔2个组件的逗号或句点）。

这是我认为最适合的代码，但我无法弄清楚如何编写“7个字符”作为分割点，而不是逗号：

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

任何帮助都将不胜感激。

Answer 1

以下是strsplit解决方案的正则表达式。它在第7个和第8个字符之间拆分字符串：

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"

正则表达式模式的说明：

(?<=.{7})

(?<=)是一个（积极的）外观。它匹配任何以指定模式开头的位置。这里的模式是.{7}。点（.）匹配任何字符。 {7}表示 7次。因此，正则表达式匹配前面恰好有7个字符的位置。

Answer 2

这是一个gsubfn解决方案：

library(gsubfn)

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

给出了这个矩阵：

     [,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{{1>}代替rbind。

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，sub：

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

其中old.vec是您要拆分的字符串向量。

对于兴趣，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（.）（{{1 }}），并将匹配替换为捕获的内容（.*）“。有关详细信息，请参阅\\1和here。

以上选项允许改变字符串长度。但是，如果总是想要在7个字符后分割，并且字符串的第二部分总是只有一个字符，则以下内容应该有效：

?gsub

（编辑包括提取字符串第一部分的方法。）

提取所有但最终字符

这个过程很相似。

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

按R中的字母/字符数分割列标签

3 个答案: