r - 我得到 NA 在 R 中的字符列上应用分离()函数

Question

我正在尝试拆分格式非常不同的列。例如:

pharma <- c("DOXORUBICINA CLORH. FAM 50MG POL O LIOF",
                   "DROSPIRENONA/ETINILESTR. 3/0,02MG CM REC",
                   "DROSPIRENONA/ETINILESTR. 3/0,03MG CM REC",
                   "ETRAVIRINA 100 MG CM",
                   "AGALSIDASA ALFA 1MG/ML X 3,5 ML FAM")

我正在使用 separate() 拆分为两个不同的列(我需要分开产品名称(即 DOXORUBICINA CLORH.FAM)和详细信息(50MG POL O LIOF)) 。代码是:

separate(data.frame(A = pharma), col = "A" , into = c("x","y"),sep = "(?<=[a-zA-Z])\\s*(?=[0-9])")

但是我有来自 R 的下一个:

                                         x               y
1                  DOXORUBICINA CLORH. FAM 50MG POL O LIOF
2 DROSPIRENONA/ETINILESTR. 3/0,02MG CM REC            <NA>
3 DROSPIRENONA/ETINILESTR. 3/0,03MG CM REC            <NA>
4                               ETRAVIRINA       100 MG CM
5                          AGALSIDASA ALFA        1MG/ML X
Warning messages:
1: Expected 2 pieces. Additional pieces discarded in 1 rows [5]. 
2: Expected 2 pieces. Missing pieces filled with `NA` in 2 rows [2, 3]. 

我看不到发生了什么。

非常感谢任何帮助。预先感谢您!

Answer 1

第二行和第三行的数据在字母和空格之间包含一个点，您的模式仅占字母和数字之间的 0+ 空格字符。

您可以使用

sep = "(?<=[a-zA-Z])\\W+(?=[0-9])" 

或

sep = "(?<=[a-zA-Z])\\W*(?=[0-9])"

\W 模式匹配任何非单词字符、除字母、数字和 _ 之外的任何字符。

请参阅regex demo .

R 测试:

> separate(data.frame(A = pharma), col = "A" , into = c("x","y"), sep = "(?<=[a-zA-Z])\\W*(?=[0-9])")
                        x               y
1 DOXORUBICINA CLORH. FAM 50MG POL O LIOF
2 DROSPIRENONA/ETINILESTR 3/0,02MG CM REC
3 DROSPIRENONA/ETINILESTR 3/0,03MG CM REC
4              ETRAVIRINA       100 MG CM