按位置拆分 data.table 列中的文本字符串

Question

我试图弄清楚如何使用tstrisplit() 函数从data.table 到split 位置编号 的文本。我知道Q1、Q2 和Q3，但这些并不能解决我的问题。

举个例子：

 DT2 <- data.table(a = paste0(LETTERS[1:5],seq(10,15)), b = runif(6))
 DT2
     a         b  
1: A10 0.4153622
2: B11 0.1567381
3: C12 0.5361883
4: D13 0.5920144
5: E14 0.3376648
6: A15 0.5503773

I tried the following which did not work:

DT2[, c("L", "D") := tstrsplit(a, "")][]
DT2[, c("L", "D") := tstrsplit(a, "[A-Z]")][]
DT2[, c("L", "D") := tstrsplit(a, "[0-9]{1}")][]

期望：

     a         b    L   D
1: A10 0.4153622    A   10
2: B11 0.1567381    B   11
3: C12 0.5361883    C   12
4: D13 0.5920144    D   13
5: E14 0.3376648    E   14
6: A15 0.5503773    A   15

非常感谢任何有关解释的帮助。

Answer 1

如果要在字母和数字之间拆分，可以在正则表达式 "(?<=[A-Za-z])(?=[0-9])" 上拆分，(? 限制拆分到前面有一个字母，后面有一个数字的位置：

正则表达式包含两部分，看在(?<=[A-Za-z])后面，意思是在一个字母之后向前看(?=[0-9])，即在一个数字之前，查看更多关于regexlook around，在r中，你需要指定 perl=TRUE 以使用 Perl 兼容的正则表达式来使这些工作：

DT2[, c("L", "D") := tstrsplit(a, "(?<=[A-Za-z])(?=[0-9])", perl=TRUE)][]

#     a          b L  D
#1: A10 0.01487372 A 10
#2: B11 0.95035709 B 11
#3: C12 0.49230300 C 12
#4: D13 0.67183871 D 13
#5: E14 0.40076579 E 14
#6: A15 0.27871477 A 15