按最后一次出现的字符串用 tidyr 分隔列

Question

我有一个栏目要分开：

df <- tibble(
  variable = c("var_a_min", "var_ab_max", "var_abc_mean", "var_abcd_sd"),
  value = c(1,2,3,4)
)

数据如下：

# A tibble: 4 x 2
  variable     value
  <chr>        <dbl>
1 var_a_min        1
2 var_ab_max       2
3 var_abc_mean     3
4 var_abcd_sd      4

我想将variable 列分开，这样最后一个下划线之后的内容就变成了第二列。

df %>% separate(variable, c("variable", "metric"), sep = [after last _])

我尝试了一些正则表达式，但无法弄清楚。数据应如下所示：

# A tibble: 4 x 3
  variable metric value
  <chr>    <chr>  <dbl>
1 var_a    min        1
2 var_ab   max        2
3 var_abc  mean       3
4 var_abcd sd         4

Answer 1

一个选项是extract 将字符捕获为一个组。在第一个捕获组中，它是一个贪婪匹配（(.*) - 零个或多个字符），然后是 _，在第二个组（([^_]+)$）中，匹配不是_ 的字符，直到字符串的结尾 ($)。这样，它确保第一个贪婪匹配回溯

library(tidyverse)
df %>% 
    extract(variable, into = c("variable", "metric"), "(.*)_([^_]+$)")

---

separate 也可以进行正则表达式环视，所以如果前缀子字符串是 'var'，那么可以使用

df %>% 
  separate(variable, into = c("variable", "metric"), "(?<!var)_")
# A tibble: 4 x 3
#  variable metric value
#  <chr>    <chr>  <dbl>
#1 var_a    min        1
#2 var_ab   max        2
#3 var_abc  mean       3
#4 var_abcd sd         4