如何在 DataFrame 中拆分文本

Question

你能帮我将第 1 列（原始文本）中的数据分隔为

第 2 列（名称）， 第 3 列（时间戳）， 第 4 列（语音文本）？

数据如下：

    column 1                                                         column 2
[1] firstname Lastname:           00:01     text text. text.          0
[2] firstname lastname2:          00:008    text, text text.          0

我需要它看起来像

column1                     column 2      colum3

[1] Firstname lastname      00:01         text text. text.
[2] firstname lastname2     00:08         text, text text.

Answer 1

如果我理解正确，OP 有一个 data.frame，其中第一列应该分成三个单独的列。列由 4 个或更多空白字符分隔。

data.table 包具有tstrsplit() 函数，它是transpose(strsplit(...)) 的缩写：

library(data.table)
setDT(df)[, c("name", "timestamp", "speech_text") := tstrsplit(column1, "\\s{4,}")]
df

                                                    column1 column2                 name timestamp      speech_text
1: firstname Lastname:           00:01     text text. text.       0  firstname Lastname:     00:01 text text. text.
2: firstname lastname2:          00:008    text, text text.       0 firstname lastname2:    00:008 text, text text.

请注意，新列已附加到原始 data.frame df就位。

另请注意，tstrsplit() 默认已将 column1 从因子强制转换为字符。

数据

df <- data.frame(
  column1 = c("firstname Lastname:           00:01     text text. text.", 
              "firstname lastname2:          00:008    text, text text."),
  column2 = 0)
df

                                                   column1 column2
1 firstname Lastname:           00:01     text text. text.       0
2 firstname lastname2:          00:008    text, text text.       0

Answer 2

您可以使用 strsplit 和 regex 一起查找 3 个以上的空格。

#Replication of the dataframe
l1 = "firstname Lastname:           00:01     text text. text.          0"
l2 = "firstname lastname2:          00:008    text, text text.          0"
df = rbind(l1,l2)

# Using strsplit with Regex to find separation with 3 or more spaces.

df2=as.data.frame(matrix(unlist(strsplit(df,"\\s{3,}")),nrow = nrow(df), byrow=T),stringsAsFactors = F)

Strplit 生成一个列表，因此需要取消列表并使用矩阵重新创建数据框。

输出是：

+----------------------+--------+------------------+----+
|          V1          |   V2   |        V3        | V4 |
+----------------------+--------+------------------+----+
| firstname Lastname:  | 00:01  | text text. text. |  0 |
| firstname lastname2: | 00:008 | text, text text. |  0 |
+----------------------+--------+------------------+----+