在R中分隔多个日期和名称的字符串

Question

我有一个包含 2 列的数据框，其中第一列列出了公司，第二列是多个日期和公司名称的字符串，如下所示：

data=data.frame('Company'=(c("A","B","C")),
                'Bank'=c("1/13/2020 Bank A 5/12/2020 Bank H C 11/9/2020 HelloBank",
                         "2/14/2020 HopeBank 1/9/2020 Liberty Bank SA",
                         "10/18/2020 Securities"))

我想将“银行”列分成多列日期和银行名称，这样：

data=data.frame('Company'=(c("A","B","C")),
                "Date1"=(c("1/13/2020","2/14/2020","10/18/2020")),
                'Bank1'=c("Bank A", "HopeBank","Securities"),
                "Date2"=(c("5/12/2020","1/9/2020",NA)),
                'Bank2'=c("Bank H C", "Liberty Bank SA",NA),
                "Date3"=(c("11/9/2020 ",NA,NA)),
                'Bank3'=c("HelloBank", NA,NA))

我尝试过使用 library(stringr)，但日期的格式并不一致。另外，我不知道最终数据帧中需要多少变量，并且“银行”列中的一些字符串很长（最多 824 个 nchar）。

我也尝试过使用与 tidyr 分开但没有成功。

Answer 1

这是使用strsplit 制作的基本 R 选项

v <- strsplit(data$Bank, "\\s(?=(\\d+\\/))|(?<=\\d)\\s", perl = TRUE)
data <- cbind(
  data[1],
  `colnames<-`(
    do.call(rbind, lapply(v, `length<-`, max(lengths(v)))),
    paste0(c("Date", "Bank"), rep(1:(max(lengths(v)) / 2), each = 2))
  )
)

给了

> data
  Company      Date1      Bank1     Date2           Bank2     Date3     Bank3
1       A  1/13/2020     Bank A 5/12/2020        Bank H C 11/9/2020 HelloBank
2       B  2/14/2020   HopeBank  1/9/2020 Liberty Bank SA      <NA>      <NA>
3       C 10/18/2020 Securities      <NA>            <NA>      <NA>      <NA>

Answer 2

如果您不知道每行可能有多少家银行，最好创建一个长格式的数据框。使用tidyverse...

library(tidyverse)

data_long <- data %>% 
  mutate(Bank = str_replace_all(Bank, "( \\d+/)", "#\\1"),  #add markers between banks
         Bank = str_split(Bank, "#")) %>%                   #split at markers
  unnest(Bank) %>%                                          #convert to one row per entry
  mutate(Bank = str_squish(Bank)) %>%                       #trim white space
  separate(Bank, into = c("Date", "BankName"), sep = " ", extra = "merge")

data_long

  Company Date       BankName       
  <chr>   <chr>      <chr>          
1 A       1/13/2020  Bank A         
2 A       5/12/2020  Bank H C       
3 A       11/9/2020  HelloBank      
4 B       2/14/2020  HopeBank       
5 B       1/9/2020   Liberty Bank SA
6 C       10/18/2020 Securities     

然后您可能希望将Date 转换为日期格式。

如果你真的想要宽格式，请使用pivot_wider。