regex - dplyr内的正则表达式匹配

Question

回答时this question,我写了以下代码:

df <- data.frame(Call_Num = c("HV5822.H4 C47 Circulating Collection, 3rd Floor", "QE511.4 .G53 1982 Circulating Collection, 3rd Floor", "TL515 .M63 Circulating Collection, 3rd Floor", "D753 .F4 Circulating Collection, 3rd Floor", "DB89.F7 D4 Circulating Collection, 3rd Floor"))

require(stringr)

matches = str_match(df$Call_Num, "([A-Z]+)(\\d+)\\s*\\.")
df2 <- data.frame(df, letter=matches[,2], number=matches[,3])

现在我的问题是:是否有一种简单的方法可以将最后两行合并为一行 dplyr调用，大概使用 mutate() ?或者，我对 do() 的解决方案感兴趣以及。对于 mutate()方法，因为我们要提取 2 个组，所以我将采用调用 str_match() 的解决方案两次使用不同的正则表达式，每个所需的组一个。

编辑:澄清一下，我在这里看到的主要挑战是 str_match返回一个矩阵，我想知道如何在 mutate() 中处理它或 do() .我对使用其他提取信息的方法解决原始问题不感兴趣。已经给出了很多这样的解决方案 here.

Answer 1

你可以用 extract() 做到这一点来自 tidyr包裹:

extract(df, Call_Num, into = c("letter", "number"), regex = "([A-Z]+)(\\d+)\\s*\\.", remove = FALSE)

                                             Call_Num letter number
1     HV5822.H4 C47 Circulating Collection, 3rd Floor     HV   5822
2 QE511.4 .G53 1982 Circulating Collection, 3rd Floor     QE    511
3        TL515 .M63 Circulating Collection, 3rd Floor     TL    515
4          D753 .F4 Circulating Collection, 3rd Floor      D    753
5        DB89.F7 D4 Circulating Collection, 3rd Floor     DB     89

它不是 dplyr，但如上面链接的 CRAN 页面所述，tidyr“专为数据整理(不是一般的 reshape 或聚合)而设计，并且与 dplyr 数据管道配合得很好。”