r - 每 n 个字符拆分字符串新列

Question

假设我有一个这样的数据框，带有一个字符串向量 var2

var1  var2
1     abcdefghi 
2     abcdefghijklmnop
3     abc 
4     abcdefghijklmnopqrst

将 var2 每 n 个字符拆分为新列直到每个字符串结束的最有效方法是什么，

例如，如果每 4 个字符，输出将如下所示:

var1  var2                  new_var1  new_var2 new_var3  new_var4  new_var5
1     abcdefghi             abcd      efgh     i 
2     abcdefghijklmnop      abcd      efgh     ijkl      mnop 
3     abc                   abc
4     abcdefghijklmnopqrst  abcd      efgh     ijkl      mnop      qrst 

字符串包？使用“str_split_fixed”

或使用正则表达式:

gsub("(.{4})", "\\1 ", "abcdefghi")

根据 var2 的长度(例如，可以是 10000 个字符)创建转到 new_var_n 的新列的能力。

Answer 1

这是 data.table 的一种选择和一个辅助函数 fixed_split我取自 this answer并稍作修改(它使用 tstrsplit 而不是 strsplit )。

library(data.table)
fixed_split <- function(text, n) {
  data.table::tstrsplit(text, paste0("(?<=.{",n,"})"), perl=TRUE)
}

定义 n ，字符数和 new_vars , 首先添加的列数

n <- 4
new_vars <- ceiling(max(nchar(df$var2)) / n)

setDT(df)[, paste0("new_var", seq_len(new_vars)) := fixed_split(var2, n = n)][]
#   var1                 var2 new_var1 new_var2 new_var3 new_var4 new_var5
#1:    1            abcdefghi     abcd     efgh        i     <NA>     <NA>
#2:    2     abcdefghijklmnop     abcd     efgh     ijkl     mnop     <NA>
#3:    3                  abc      abc     <NA>     <NA>     <NA>     <NA>
#4:    4 abcdefghijklmnopqrst     abcd     efgh     ijkl     mnop     qrst