我想将包含代码和地名的一列数据分成两个单独的列。我尝试使用tidyr
的单独命令,但在使用正则表达式时遇到了一些困难(我之前没有使用它们,也无法弄清楚我做错了什么/正则表达式是如何工作的)。
数据在格式方面非常一致。大多数观察以代码开始,后跟一个位置。偶尔会有一个观察点只是一个位置(没有代码)。以下是数据样本:
df <- read.table(text = c("
obs name
1 01-220 location 1
2 05-23 town 3
3 District 2"), header = T)
我使用以下代码:
df <- df %>% separate(name, into = c("location_code", "location_name"), sep = "([0-9] [A-z])")
导致(注意到location_code的最后一个数字和location_name的第一个字母缺失):
obs location_code location_name
1 01-22 ocation 1
2 05-2 own 3
3 District 2 NA
我想要的输出是:
# obs location_code location_name
# 1 01-220 location 1
# 2 05-23 town 3
# 3 NA District 2
提前致谢!
答案 0 :(得分:4)
我们可以使用正则表达式外观指定sep
。
separate(df, name, into = c("location_code", "location_time"),
"(?<=([0-9] )|\\b)(?=[A-Za-z])")
# obs location_code location_time
#1 1 01-220 location 1
#2 2 05-23 town 3
#3 3 District 2
或extract
extract(df, name, into = c("location_code", "location_time"), "([0-9-]*)\\s*(.*)")
# obs location_code location_time
#1 1 01-220 location 1
#2 2 05-23 town 3
#3 3 District 2
df <- structure(list(obs = 1:3, name = c("01-220 location 1", "05-23 town 3",
"District 2")), .Names = c("obs", "name"), class = "data.frame", row.names = c(NA,
-3L))