regex - 如何拆分基于正则表达式条件的 R data.frame 列

Question

我有一个 data.frame，我想根据正则表达式将其中一列拆分为两列。更具体地说，字符串在括号中有一个后缀，需要将其提取到自己的列中。

例如我想从这里开始:

dfInit <- data.frame(VAR = paste0(c(1:10),"(",c("A","B"),")"))

到这里:

dfFinal <- data.frame(VAR1 = c(1:10), VAR2 = c("A","B"))

Answer 1

1) gsubfn::read.pattern gsubfn 包中的 read.pattern 可以做到这一点。与正则表达式括号部分的匹配被视为字段:

library(gsubfn)
read.pattern(text = as.character(dfInit$VAR), pattern = "(.*)[(](.*)[)]$")

给予:

   V1 V2
1   1  A
2   2  B
3   3  A
4   4  B
5   5  A
6   6  B
7   7  A
8   8  B
9   9  A
10 10  B

2) sub 另一种方法是使用sub:

data.frame(V1=sub("\\(.*", "", dfInit$VAR), V2=sub(".*\\((.)\\)$", "\\1", dfInit$VAR))

给出相同的结果。

3) read.table 这个解决方案不使用正则表达式:

read.table(text = as.character(dfInit$VAR), sep = "(", comment = ")")

给出相同的结果。