R语言：基于正则表达式将单列拆分为多列的问题

问题场景 #

现有仅含col_names列的DataFrame，每行内容包含省份名称（如Aceh、Sumatera.Utara）及6个带小数的数值（以大量点分隔），需要转换为包含Province列及Value_1至Value_6共7列的DataFrame。

原DataFrame #

目标DataFrame #

现有代码问题 #

已编写代码提取省份和数值列表，但数值仍处于同一列（列表格式），且原省份提取正则无法匹配不带点的省份（如Aceh）：

df$province <- str_extract(df$col_names, '\\w*\\.\\w*')

df$values <- str_extract_all(df$col_names, '[0-9]+\\.[0-9]+')

df <- subset(df, select = c(province, values))

解决方案 #

方案1：使用tidyr快速拆分（推荐） #

先修正省份提取逻辑，再用unnest_wider直接拆分列表列，最后重命名列名：

library(tidyr)
library(stringr)

# 提取省份：匹配开头连续非点字符，兼容带点和不带点的省份名
df$Province <- str_extract(df$col_names, '^[^.]+')

# 提取数值列表并拆分为多列
df_final <- df %>%
  mutate(values = str_extract_all(col_names, '[0-9]+\\.[0-9]+')) %>%
  select(Province, values) %>%
  unnest_wider(values, names_sep = "_") %>%
  rename_with(~paste0("Value_", 1:6), starts_with("values_"))

方案2：基础R实现（无需额外包） #

用do.call(rbind)把列表转成矩阵，再和省份列合并：

library(stringr)

# 修正省份提取
df$Province <- str_extract(df$col_names, '^[^.]+')

# 提取数值列表
df$values <- str_extract_all(df$col_names, '[0-9]+\\.[0-9]+')

# 列表转矩阵并添加列名
values_matrix <- do.call(rbind, df$values)
colnames(values_matrix) <- paste0("Value_", 1:6)

# 合并得到最终DataFrame
df_final <- cbind(df["Province"], as.data.frame(values_matrix))

完整示例代码 #

library(tidyr)
library(stringr)

# 构造示例数据
df <- data.frame(
  col_names = c(
    "Aceh..........................................................66.29..........................56.49..........................64.01..................................49.72.....................................39.58...............................52.15",
    "Sumatera.Utara.........................................88.20..........................82.19..........................79.45..................................66.94.....................................53.35...............................73.16",
    "Sumatera.Barat..........................................84.48..........................74.76..........................79.30..................................55.64.....................................44.68...............................78.55"
  )
)

# 执行拆分流程
df$Province <- str_extract(df$col_names, '^[^.]+')
df_final <- df %>%
  mutate(values = str_extract_all(col_names, '[0-9]+\\.[0-9]+')) %>%
  select(Province, values) %>%
  unnest_wider(values, names_sep = "_") %>%
  rename_with(~paste0("Value_", 1:6), starts_with("values_"))

# 查看结果
print(df_final)

内容的提问来源于stack exchange，提问作者salmiah-ls