r - Tidyr使用正则表达式将列值分为字符和数字

Question

我想使用tidyr::separate和regex表达式来分隔列值，但对于regex表达式来说是新手

df <- data.frame(A=c("enc0","enc10","enc25","enc100","harab0","harab25","harab100","requi0","requi25","requi100"), stringsAsFactors=F) 

这就是我尝试过的

library(tidyr)
df %>%
   separate(A, c("name","value"), sep="[a-z]+")

输出不良

   name value
1           0
2          10
3          25
4         100
5           0
# etc

我如何也保存 name列？

Answer 1

您可以将基于(?<=[a-z])(?=[0-9])环视的正则表达式与tidyr::separate一起使用:

> tidyr::separate(df, A, into = c("name", "value"), "(?<=[a-z])(?=[0-9])")
    name value
1    enc     0
2    enc    10
3    enc    25
4    enc   100
5  harab     0
6  harab    25
7  harab   100
8  requi     0
9  requi    25
10 requi   100

(?<=[a-z])(?=[0-9])模式与字符串中的小写ASCII字母( (?<=[a-z]))和数字( (?=[0-9]))之间的位置匹配。 (?<=...)是正向前行，需要在当前位置的左侧立即存在某种模式，而 (?=...)是正向前行，需要在当前位置的右侧立即存在其模式。因此，拆分时字母和数字保持完整。

或者，您可以使用 extract:

extract(df, A, into = c("name", "value"), "^([a-z]+)(\\d+)$")

输出:

    name value
1    enc     0
2    enc    10
3    enc    25
4    enc   100
5  harab     0
6  harab    25
7  harab   100
8  requi     0
9  requi    25
10 requi   100

^([a-z]+)(\\d+)$模式匹配:

^-输入

的开始

([a-z]+)-捕获组1(列name):一个或多个小写ASCII字母

(\\d+)-捕获组2(列value):一个或多个数字

$-字符串结尾。