如何按F/P/C标签拆分数据集列，多匹配时生成其余列重复的多行？

问题描述 #

我有一个数据集，其中某一列的值为字符串，格式为：F: 任意内容; F: 任意内容; P: 任意内容; P: 任意内容; C:任意内容; C: 任意内容;。需要将该列拆分为F、P、C三列，当存在多个F（或P、C）时，需为每个匹配项生成一行，其余列保持不变。

示例输入 #

Name Value GOs
Ab1 1000 "F: f1; F: f2; P: p1"
Bb1 2000 "P: p1; F: f1"
Cb1 3000 "C: c1; F: f1"

期望输出 #

Name Value F P C
Ab1 1000 f1 p1 -
Ab1 1000 f2 p1 -
Bb1 2000 f1 p1 -
Cb1 3000 f1 - c1

尝试使用str_match(a, "F:\\s*(.*?)\\s*;")仅能匹配第一个结果，需要获取所有匹配项。测试数据集代码：

df <- data.frame(Name = c("A","B","C"),Value = c(10,20,30),GOs= c("F: f1; F: f2; P: p1","P: p1; F: f1","C: c1; F: f1"))

解决方案 #

使用stringr包的str_extract_all获取所有匹配项，结合dplyr的行处理与展开功能实现需求，完整代码如下：

library(dplyr)
library(stringr)

# 加载测试数据
df <- data.frame(Name = c("A","B","C"),Value = c(10,20,30),GOs= c("F: f1; F: f2; P: p1","P: p1; F: f1","C: c1; F: f1"))

# 处理流程
result <- df %>%
  # 提取所有F、P、C对应的内容，生成列表列
  mutate(
    F = str_extract_all(GOs, "(?<=F:\\s).*?(?=\\s*;|$)"),
    P = str_extract_all(GOs, "(?<=P:\\s).*?(?=\\s*;|$)"),
    C = str_extract_all(GOs, "(?<=C:\\s).*?(?=\\s*;|$)")
  ) %>%
  # 按行处理，统一各列表列的长度
  rowwise() %>%
  mutate(
    max_len = max(length(F), length(P), length(C)),
    # 空列表替换为"-"，短列表填充至最长长度
    F = if (length(F) == 0) rep("-", max_len) else rep(F, length.out = max_len),
    P = if (length(P) == 0) rep("-", max_len) else rep(P, length.out = max_len),
    C = if (length(C) == 0) rep("-", max_len) else rep(C, length.out = max_len)
  ) %>%
  ungroup() %>%
  # 将列表列展开为多行
  unnest(c(F, P, C)) %>%
  # 移除临时列和原GOs列
  select(-GOs, -max_len)

# 输出结果
print(result)

关键说明 #

• str_extract_all：通过正则表达式的正向零宽断言，精准捕获每个标签后的内容，一次性获取所有匹配项，解决了str_match仅匹配第一个结果的问题。
• 行内统一长度：按行计算当前行F/P/C列表的最大长度，将短列表重复填充到相同长度，确保展开时每行的标签值一一对应。
• unnest：将列表列拆分为多行，每个标签匹配项单独占一行，同时保留原数据的其他列内容。

内容的提问来源于stack exchange，提问作者Isidro Sobrino