Question

在此示例中，将letters与V1 V2 1 p_men_1 1 2 p_men_2 0 3 p_men_3 1 4 p_wom_1 1 5 p_wom_2 1 6 p_wom_3 0分开的最有效方法是什么：

     V1 V2 V3
1 p_men  1  1
2 p_men  2  0
3 p_men  3  1
4 p_wom  1  1
5 p_wom  2  1
6 p_wom  3  0

输出中

library(tidyr) 
library(dplyr)

df %>% separate(V1, c('V1', 'V2'), sep = '_')

我试过

  df = rbind(c('p_men_1', 1), 
  c('p_men_2', 0), 
  c('p_men_3', 1), 
  c('p_wom_1', 1), 
  c('p_wom_2', 1), 
  c('p_wom_3', 0))

  df = as.data.frame(df)

但由于'_'，它不起作用

df = pd.read_csv('TNIC.csv')
for k, g in df.groupby('gvkey_1'):
    g.to_csv('Company_' + str(k) + '.csv', index=False)

Answer 1

这可行：

df %>% 
    extract(V1, c('V1', 'V2'), regex = '(^.+)_(\\d+)')

#      V1 V2 V2
# 1 p_men  1  1
# 2 p_men  2  0
# 3 p_men  3  1
# 4 p_wom  1  1
# 5 p_wom  2  1
# 6 p_wom  3  0

Answer 2

我的策略是拆分最后一个下划线，可以通过形成一个模式来编码，该模式具有下划线，后跟零长度前瞻，需要所有非下划线，直到字符值结束。

cbind( do.call( rbind, strsplit(as.character(dat$V1), split= '_(?=[^_]+$)', perl=TRUE) ),
       dat['V2'] )
      1 2 V2
1 p_men 1  1
2 p_men 2  0
3 p_men 3  1
4 p_wom 1  1
5 p_wom 2  1
6 p_wom 3  0

不幸的是，这似乎是一个格式错误的数据框，因为尽管被识别为数据框并且要调用cbind.data.frame，但它会使列名不正确地形成前导数字。

r - 字符串中的单独数字

2 个答案: