基于字符在R中拆分字符串

Question

我的数据集中有一列要拆分的字符串。

df = data.frame(col = c("BrBkRY","BBkRBr","YBRG","RBBk"))

这是我想用来有条件地分割的向量。

sep = c("Br","Bk","R","Y","B","G")

这就是它最终的样子。我是用手做的。

df2 = data.frame(col = c("BrBkRY","BBkRBr","YBRG","RBBk"), 
                 col1 = c("Br","B","Y","R"),
                 col2 = c("Bk","Bk","B","B"),
                 col3 = c("R","R","R","Bk"),
                 col4 = c("Y","Br","G",""))
df2 
     col col1 col2 col3 col4
1 BrBkRY   Br   Bk    R    Y
2 BBkRBr    B   Bk    R   Br
3   YBRG    Y    B    R    G
4   RBBk    R    B   Bk     

我正在考虑使用正则表达式，但通常，您需要像 . 或 - 这样的拆分字符。但是对于基于字符的字符串，我不知道。此外，不想将 BkB 拆分为 B、k 和 B。但我确实想将其拆分为 Bk 和 B。有没有可以做到这一点的包？

Answer 1

您可以使用lookahead 和lookbehind 通过正则表达式进行拆分。该表达式表示在任何字符和大写字母之间的空格上进行拆分。 (?<=.) 指定前导“任何字符”，(?=[A-Z]) 指定后面的大写字母。 “任何角色”和国会大厦实际上并不是比赛的一部分，因此它们不会在分裂中“被吸走”。

> lst <- strsplit(as.character(df$col), '(?<=.)(?=[A-Z])', perl=TRUE)
> lst
[[1]]
[1] "Br" "Bk" "R"  "Y" 

[[2]]
[1] "B"  "Bk" "R"  "Br"

[[3]]
[1] "Y" "B" "R" "G"

[[4]]
[1] "R"  "B"  "Bk"

然后可以构建列，例如完全按照 akrun 的回答：

dfN <- cbind(df[1], do.call(rbind, lapply(lst, `length<-`, max(lengths(lst)))))
colnames(dfN)[-1] <- paste0("col", colnames(dfN)[-1])

Answer 2

我们可以使用str_extract_all提取list中的组件，然后rbind填充NA后的list元素使list元素的length相同，而cbind与原始数据集

library(stringr)
lst <- str_extract_all(df$col, paste(sep, collapse="|"))
dfN <- cbind(df[1], do.call(rbind, lapply(lst, `length<-`, max(lengths(lst)))))
colnames(dfN)[-1] <- paste0("col", colnames(dfN)[-1])
dfN
#     col col1 col2 col3 col4
#1 BrBkRY   Br   Bk    R    Y
#2 BBkRBr    B   Bk    R   Br
#3   YBRG    Y    B    R    G
#4   RBBk    R    B   Bk <NA>

---

或者base R 选项与read.csv 和gsub 一起使用

cbind(df[1], read.csv(text=sub("^,", "", gsub(paste0("(?=(",
    paste(sep, collapse="|"), "))"), ",", df$col, perl = TRUE)),  
     header=FALSE, col.names = paste0("col", 1:4), fill = TRUE))
#     col col1 col2 col3 col4
#1 BrBkRY   Br   Bk    R    Y
#2 BBkRBr    B   Bk    R   Br
#3   YBRG    Y    B    R    G
#4   RBBk    R    B   Bk