Question

我有一个这样的数据框：

X <- data.frame(value = c(1,2,3,4), 
                variable = c("cost", "cost", "reed_cost", "reed_cost"))

我想将变量列分成两部分;一列表示变量是否为成本＆＃39;和另一列，以表明该变量是否是＆＃34; reed＆＃34;。我似乎无法找出合适的正则表达式（例如使用tidyr）

如果我的数据更好，请说：

Y <- data.frame(value = c(1,2,3,4), 
                variable = c("adjusted_cost", "adjusted_cost", "reed_cost", "reed_cost"))

然后这对tidyr来说是微不足道的：

separate(Y, variable, c("Type", "Model"), "_")

和宾果。相反，看起来我需要某种条件语句来分裂＆＃34; _＆＃34;如果它存在，否则在模式的开头分开（＆＃34; ^＆＃34;）。

我试过了：

separate(X, variable, c("Policy-cost", "Reed"), "(?(_)_|^)", perl=TRUE)

但没有运气。我意识到我甚至无法成功地拆分成空字符串：

separate(X, variable, c("Policy-cost", "Reed"), "^", perl=TRUE)

我应该怎么做？

编辑注意这是一个较大问题的最小示例，其中有许多可能的变量（不只是cost和{{1} }）所以我不希望每个字符串匹配。

我正在寻找一种解决方案，如果存在，则按reed_cost模式拆分任意变量，否则将它们拆分为空白字符串和原始标签。

我也意识到我可以只查看_的存在，然后手动构建列。如果不那么优雅，这很好;似乎应该有一种方法可以使用可以返回空字符串的条件分割字符串...

Answer 1

假设您可能有也可能没有分隔符，且费用和芦苇不一定互相排斥，为什么不搜索特定的字符串而不是分隔符呢？

示例：

library(stringr)
X <- data.frame(value = c(1,2,3,4), 
                variable = c("cost", "cost", "reed_cost", "reed_cost"))
X$cost <- str_detect(X$variable,"cost")
X$reed <- str_detect(X$variable,"reed")

Answer 2

你可以尝试：

X$variable <- ifelse(!grepl("_", X$variable), paste0("_", X$variable), as.character(X$variable))

 separate(X, variable, c("Policy-cost", "Reed"), "_")
 # value Policy-cost Reed
 #1     1             cost
 #2     2             cost
 #3     3        reed cost
 #4     4        reed cost

或者

X$variable <-  gsub("\\b(?=[A-Za-z]+\\b)", "_", X$variable, perl=T)
 X$variable
#[1] "_cost"     "_cost"     "reed_cost" "reed_cost"

 separate(X, variable, c("Policy-cost", "Reed"), "_")

解释

\\b(?=[A-Za-z]+\\b)：匹配单词边界\\b并预览字符后跟字边界。第三和第四个元素不匹配，因此没有被替换。

Answer 3

基础R的另一种方法：

cbind(X["value"], 
      setNames(as.data.frame(t(sapply(strsplit(as.character(X$variable), "_"), 
                                      function(x) 
                                        if (length(x) == 1) c("", x) 
                                        else x))), 
               c("Policy-cost", "Reed")))

#   value Policy-cost Reed
# 1     1             cost
# 2     2             cost
# 3     3        reed cost
# 4     4        reed cost

R中的条件字符串拆分（使用tidyr）

3 个答案:

解释