如何拆分R数据框某列中连写的状态字符串

你爬取得到的tb_abia数据框里，Status列的字符串是连写形式（比如"Incumbent renominatedNew member electedLP gain"），可以通过正则表达式匹配大写字母开头的短语边界来拆分，下面是两种实用的实现方式：

方式1：拆分为多行（每个状态单独一行） #

适合需要把每个状态项单独作为一条记录的场景，用tidyverse工具链实现：

library(tidyverse)

# 处理Status列：在大写字母开头的短语前插入空格，再拆分转为多行
tb_abia_cleaned <- tb_abia %>%
  mutate(Status_formatted = str_replace_all(Status, "(?=[A-Z])", " ") %>% str_trim()) %>%
  separate_rows(Status_formatted, sep = "\\s+(?=[A-Z])")

# 查看拆分后的结果
tb_abia_cleaned$Status_formatted

运行后，原示例中的两个Status值会被拆分为独立项：

• "Incumbent renominated"
• "New member elected"
• "LP gain"
• "Incumbent retired"
• "New member elected"
• "LP gain"

方式2：拆分为多列（每个状态单独一列） #

如果需要把拆分后的状态放在不同列中，可以用separate函数指定列名：

library(tidyverse)

# 处理Status列并拆分为对应含义的列
tb_abia_cleaned <- tb_abia %>%
  mutate(Status_formatted = str_replace_all(Status, "(?=[A-Z])", " ") %>% str_trim()) %>%
  separate(Status_formatted, 
           into = c("Incumbent_Status", "Election_Outcome", "Party_Gain"), 
           sep = "\\s+(?=[A-Z])", 
           fill = "right")

# 查看结果
tb_abia_cleaned

这种方式会将拆分出的内容分别放到Incumbent_Status、Election_Outcome、Party_Gain列中，不足的位置自动填充NA。

正则逻辑说明 #

• (?=[A-Z])是正向预查规则，匹配后面紧跟着大写字母的位置，在这些位置插入空格，就能把连写的短语分开；
• \\s+(?=[A-Z])则匹配一个或多个空格且后面跟着大写字母的位置，用来作为拆分的分隔符。

内容的提问来源于stack exchange，提问作者Bashir Abubakar