R语言中拆分字符长度不均的单列数据为三列的问题

你的问题出在使用固定位置sep=-6拆分，而pack列的长度不一致（30kg是4个字符，100kg是5个字符），导致第三行的类别A被错误合并到pack列。以下是两种可靠的解决方法：

方法一：两次拆分（基于最后一个空格） #

利用正则匹配最后一个空格，先拆分出pack，再拆分剩下的内容得到name和class：

library(tidyr)
library(dplyr)

dt <- dat %>%
  # 拆分最后一个空格后的内容作为pack
  separate(name, into = c('temp', 'pack'), sep = ' (?=[^ ]+$)', perl = TRUE) %>%
  # 拆分剩余内容的最后一个空格，得到name和class
  separate(temp, into = c('name', 'class'), sep = ' (?=[^ ]+$)', perl = TRUE)

运行结果：

name class   pack
1 Jhon Austin     B 100kg
2   Mick Gray     C 110kg
3     Tom Jef     A  30kg

方法二：一次性正则提取 #

如果你的数据格式固定（class是单个大写字母，pack是数字+kg），可以用extract函数一次性捕获三个分组：

dt <- dat %>%
  extract(name, into = c('name', 'class', 'pack'), regex = '(.+) ([A-Z]) ([0-9]+kg)')

这个正则表达式的逻辑：

• (.+)：捕获前面的姓名部分（直到最后一个大写字母前的空格）
• ([A-Z])：捕获单个大写字母作为类别
• ([0-9]+kg)：捕获数字加kg的重量部分

运行后同样能得到你期望的结果。

内容的提问来源于stack exchange，提问作者Rokib