用R中的最后两个字符拆分字符串？ （/负字符串索引）

Question

我的数据框架如下：

b <- data.frame(height = c(190,165,174,176), name = c('John Smith 34','Mr.Turner 54', 'Antonio P. 23', 'John Brown 31'))

#   height          name
# 1    190 John Smith 34
# 2    165  Mr.Turner 54
# 3    174 Antonio P. 23
# 4    176 John Brown 31

我们可以看到名称和年龄是相同的值。所以我想用字符串中的最后两个字符拆分它：

  height       name age
1    190 John Smith  34
2    165  Mr.Turner  54
3    174 Antonio P.  23
4    176 John Brown  31

我怎么能这样做？

Answer 1

tidyr::separate允许您传递分割位置的整数索引（包括从字符串末尾负向索引），从而使分隔列变得简单。 （当然，正则表达式也可以。）

library(tidyr)

b %>% separate(name, into = c('name', 'age'), sep = -4, convert = TRUE)
##   height        name age
## 1    190 John Smith   34
## 2    165  Mr.Turner   54
## 3    174 Antonio P.   23
## 4    176 John Brown   31

或以最终空格分开：

b %>% separate(name, into = c('name', 'age'), sep = '\\s(?=\\S*?$)', convert = TRUE)

返回同样的东西。

在基础R中，它需要更多工作：

b$name <- as.character(b$name)
split_name <- strsplit(b$name, '\\s(?=\\S*?$)', perl = TRUE)
split_name <- do.call(rbind, split_name)
colnames(split_name) <- c('name', 'age')
b <- data.frame(b[-2], split_name, stringsAsFactors = FALSE)
b$age <- type.convert(b$age)

b
##   height       name age
## 1    190 John Smith  34
## 2    165  Mr.Turner  54
## 3    174 Antonio P.  23
## 4    176 John Brown  31

Answer 2

这里使用正则表达式的许多选项。我会使用substr，因为您想要确切地知道要提取的字符数。

在data.table内（对于syntax-sugar）：

library(data.table)
setDT(b)[,c("name","age"):=list(
  substr(name,1,nchar(name)-3),
  substr(name,nchar(name)-2,nchar(name)))]

   height       name age
1:    190 John Smith  34
2:    165  Mr.Turner  54
3:    174 Antonio P.  23
4:    176 John Brown  31

请注意，名称应为character：

  b <- data.frame(
  height = c(190,165,174,176), 
  name = c('John Smith 34','Mr.Turner 54', 'Antonio P. 23', 'John Brown 31'),
  stringsAsFactors = FALSE)

Answer 3

使用基数R（与@ agstudy的答案中使用的数据相同）：

data.frame(t(apply(b,1,function(x) {s <- unlist(strsplit(trimws(x[2]), " "));
           c(x[1],paste0(head(s,-1),collapse=" "),tail(s,1)) })))

   # X1         X2 X3
# 1 190 John Smith 34
# 2 165  Mr.Turner 54
# 3 174 Antonio P. 23
# 4 176 John Brown 31

为了安全起见，我们按空格（即name）拆分修剪 strsplit(trimws(x[2]), " ")列并取最后一部分（即tail(s,1)）作为age，其余（即head(s,-1)）作为名称。

Answer 4

就个人而言，我会发现以下正则表达式最有用。

library (stringr)
b $age <- str_extract (b$name, "\\d{1,3}$")
b $name <- str_replace (b $name,  "\\d{1,3}$", "")

这将在字符串末尾查找长度为1-3个字符的数字序列。可能有一种方法可以将其合并到separate语法中，但我是从手机上写的，无法探索。

这个正则表达式的优点是它可以处理单个，两个和三个数字的年龄，而不必依赖于存在的空间，或者必须从字符串的末尾开始倒数。

Answer 5

我们可以使用,创建分隔符（sub）而不是年龄前的空格，使用read.table和cbind使用第一列使用{{ 1}}

base R

或使用cbind(b[1],read.table(text=sub("\\s+(\\d+)$", ", \\1", b$name), col.names = c("name", "age"), header=FALSE, sep=",")) # height name age #1 190 John Smith 34 #2 165 Mr.Turner 54 #3 174 Antonio P. 23 #4 176 John Brown 31

中的extract

tidyr