在R中按不同规则拆分字符串至新列：拆分患者ID与时间点

问题场景 #

你的数据框df中有一列patient_id_and_timepoint，包含两种格式的合并值：

• 空格分隔：例如"12345 V1"（患者ID为12345，时间点为V1）
• 连字符+V开头分隔：例如"101-123-V1"（患者ID为101-123，时间点为V1）

需要将该列拆分为独立的patient_id和timepoint两列。

原代码存在的问题 #

你提供的代码有几个明显问题：

• 变量名不统一：混用patient_id_and_timepoint和patients_id_timepoint，会引发变量未定义错误
• str_split_fixed返回矩阵类型，直接赋值给timepoint会导致单元格存储矩阵，不符合列需求
• 仅处理了timepoint，未拆分出patient_id

正确解决方案 #

使用tidyverse工具包可以简洁实现拆分，步骤如下：

1. 构造测试数据（已有真实数据可跳过）：

library(tidyverse)

df <- tibble(
  patient_id_and_timepoint = c("12345 V1", "101-123-V1", "6789 V2", "456-789-V3")
)

2. 执行拆分逻辑：

df_split <- df %>%
  mutate(
    # 提取时间点（匹配V+数字的格式）
    timepoint = str_extract(patient_id_and_timepoint, "V\\d+"),
    # 根据不同格式提取患者ID
    patient_id = case_when(
      str_detect(patient_id_and_timepoint, " V") ~ str_remove(patient_id_and_timepoint, " V\\d+"),
      str_detect(patient_id_and_timepoint, "-V") ~ str_remove(patient_id_and_timepoint, "-V\\d+")
    )
  ) %>%
  # 调整列顺序，优先展示拆分后的列
  select(patient_id, timepoint, patient_id_and_timepoint)

3. 查看拆分结果：

print(df_split)

输出结果：

# A tibble: 4 × 3
  patient_id timepoint patient_id_and_timepoint
  <chr>      <chr>     <chr>                    
1 12345      V1        12345 V1                
2 101-123    V1        101-123-V1              
3 6789       V2        6789 V2                 
4 456-789    V3        456-789-V3  

代码解释 #

• str_extract(patient_id_and_timepoint, "V\\d+")：直接匹配提取所有以V开头、后跟数字的时间点部分，两种格式通用
• str_detect：判断当前行属于哪种分隔格式
• str_remove：根据格式去掉对应的时间点后缀，得到纯净的患者ID

内容的提问来源于stack exchange，提问作者lovebead33