在R中通过最后两个字符拆分字符串？（/负字符串索引）

Question

我的数据框如下：

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

我们可以看到姓名和年龄的值是相同的。因此我想通过字符串中的最后两个字符进行拆分：

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

我该怎么做呢？

- Denis

---

我会在最后一个空格处分割，因为年龄有时可能有三个数字。请参阅https://dev59.com/PHnZa4cB1Zd3GeqPlxl7 - Rich Scriven

使用 library(tidyr) 库，对变量 b 进行操作。将 name 变量按照后三个字符为分隔符，拆分成新的两个变量 name 和 age，并将结果赋值给 b。其中，convert = TRUE 表示将 age 变量转换为数字类型。 - alistaire

但那需要更多的努力。你可以使用 b <- cbind(b[-2], setNames(as.data.frame(do.call(rbind, strsplit(as.character(b$name), '.(?=..$)', perl = T)), stringsAsFactors = FALSE), c('name', 'age'))) ; b$age <- type.convert(b$age) 来完成。 - alistaire

@alistaire，非常感谢你！ - Denis

cbind(b[1], read.csv(text = gsub(' (..)$', ',\\1', b$name), header = FALSE)) - rawr

一般来说，R不支持负字符串索引，不像Python。虽然这确实让生活更轻松。 - smci

Answer 1

tidyr::separate函数可以通过传递一个整数分割位置的索引来轻松地分离列，包括从字符串末尾进行负索引。当然，正则表达式也可以使用。

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

或者通过最后一个空格分隔：

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

这段文字的意思是“返回相同的结果”。

在基础 R 中，需要进行更多操作：

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

- alistaire

---

有没有办法只针对单个观察值进行操作？实际上，我有一列包含不同货币的薪资，例如 ₹、$、£ 和 AFN。我无法分离出具有 AFN 的行。在分离 'A' 后，它现在变成了 'FN'。你有什么想法吗？ - classy_BLINK

@classy_BLINK 你需要多么复杂取决于它所处理的数据中可能存在的情况。任何解决方案都会嵌入假设。处理大量数据的一种方法可能类似于 x <- c('$120', '£ 100', 'AFN1,000'); strsplit(x, split = '(?<=[^\\d,])\\s*(?=[\\d,]+)', perl = TRUE)；一个更简单的方法是 cur <- gsub('\\d|,|\\s', '', x); amt <- as.numeric(gsub('\\D', '', x))。 - alistaire

Answer 2

有很多选项可以使用正则表达式。我会使用substr，因为你想要确切地知道要提取的字符数。

data.table中（用于语法糖）：

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，name 应该是一个 字符 ：

  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)

- agstudy

Answer 3

使用基础R（与@agstudy答案中使用的相同数据）：

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

为了保险起见，我们通过空格将 修剪过的 name 列拆分 (即 strsplit(trimws(x[2]), " "))，并将最后一部分 (即 tail(s,1)) 作为 age，其余部分 (即 head(s,-1)) 作为姓名。

- 989

Answer 4

就我个人而言，我认为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 $name,  "\\d{1,3}$", "")

这个正则表达式在字符串末尾寻找1-3个数字字符的序列。可能有一种方法将其纳入“separate”语法中，但我正在用手机写作，无法探索。

这个正则表达式的优点是它可以处理单个、双个和三个数字年龄，而不必依赖空格的存在或者从字符串末尾往前数。

- Benjamin

Answer 5

我们可以使用sub创建一个分隔符(,)，而不是在年龄前面使用空格，在read.table中读取它并用第一列使用base R和cbind连接。

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

---

或者使用 tidyr 中的 extract。

library(tidyr)
extract(b, name, into = c("name", "age"), "(.*)\\s+(\\S+)$")
#  height       name age
#1    190 John Smith  34
#2    165  Mr.Turner  54
#3    174 Antonio P.  23
#4    176 John Brown  31

- akrun