将字符串分成两列

Question

我正在处理其他人的数据，其列的可能值为“短”和“长”。不幸的是，数据创建者还在这些词之后添加了字母和问号来注释某些东西，我想将它们分成单独的列。以下是一些可以使用的假数据：

vars <- c('long','short','longG','short?','short?F','long?G')
species <- c('sp1','sp2','sp3','sp4','sp5','sp6')
testdf <- cbind(vars, species)

我想将vars 列拆分为实际值long 或short，以及一个仅包含注释字符的新列。我可以通过以下方式到达一半，它正确地生成了一个只有注释字符的新列：

testdf %>% mutate(notes = gsub('long|short',"",vars)

但我不知道如何拆分或子集var，以便我得到一个只显示short 或long 的列。

提前感谢 SO 社区的帮助！ ^_^

Answer 1

很难在base R 中提取字符串片段。改用stringr：

library(stringr)
str_extract(vars, 'long|short')
# [1] "long"  "short" "long"  "short" "short" "long" 

（您可以在mutate 或其他地方使用它。）

---

所以你的完整示例（我会参数化模式以更好地衡量）

pattern = "long|short"
mutate(testdf,
   notes = gsub(pattern, "", vars),
   notes2 = str_replace(vars, pattern, ""), # stringr alternative for consistent syntax
   ls = str_extract(vars, pattern))

Answer 2

问题中的testdf 是一个矩阵，因此请使用以下两种选择之一将其转换为数据框：

1) sub 一个 mutate 和两个 sub 调用，具有相同的模式 pat 但替换不同。

pat <- "(long|short)(.*)"
testdf %>% 
       as.data.frame %>%
       mutate(notes = sub(pat, "\\2", vars), 
              vars = sub(pat, "\\1", vars))

给予：

   vars  species notes
1  long      sp1      
2 short      sp2      
3  long      sp3     G
4 short      sp4     ?
5 short      sp5    ?F
6  long      sp6    ?G

2) 分隔 在 long 或 short 后插入分号（或其他字符），然后使用 tidyr 中的 separate。请注意，即使注释包含分号，这也有效，因为它只在第一个分号处拆分。

library(tidyr)

testdf %>% 
       as.data.frame %>%
       mutate(vars = sub("(long|short)", "\\1;", vars)) %>%
       separate(vars, c("vars", "notes"), sep = ";", extra = "merge")

给予：

   vars notes  species
1  long            sp1
2 short            sp2
3  long     G      sp3
4 short     ?      sp4
5 short    ?F      sp5
6  long    ?G      sp6

请注意，如果总是有 ?将音符分开，则可以简化为：

testdf %>% 
       as.data.frame %>%
       separate(vars, c("vars", "notes"), sep = "\\?", extra = "merge")