在R中根据模式与分隔符将数据框列拆分为多列

数据准备 #

先加载原始数据框：

df <- read.table(text = " parameter_1_day_10
                    parameter_1_day_3 
                    parameter_2_last_day", header = FALSE, col.names = "V1")

目标是将V1列拆分为两列：第一列为parameter_后的数字，第二列为数字后下划线开始的剩余字符串，最终结构如下：

# 目标输出
#   num day_part
# 1   1  day_10
# 2   1   day_3
# 3   2 last_day

解决方案 #

方法1：用tidyverse工具（tidyr::extract） #

extract函数可通过正则表达式的捕获组直接提取目标内容，代码简洁高效：

library(tidyr)

df2 <- df %>%
  extract(V1, into = c("num", "day_part"), regex = "parameter_(\\d+)_(.*)", convert = TRUE)

• regex = "parameter_(\\d+)_(.*)"：定义两个捕获组，(\\d+)匹配数字部分，(.*)匹配剩余所有字符
• convert = TRUE：自动将数字列转换为整数类型

方法2：基础R实现 #

无需额外加载包，用内置字符串处理函数完成拆分：

# 提取数字列
df$num <- as.integer(sub("parameter_(\\d+)_.*", "\\1", df$V1))
# 提取日期部分列
df$day_part <- sub("parameter_\\d+_(.*)", "\\1", df$V1)
# 筛选需要的列
df2 <- df[, c("num", "day_part")]

• sub函数通过正则表达式替换，\\1引用捕获组匹配到的内容

方法3：用stringr包提取 #

如果习惯stringr语法，可通过str_match提取捕获组内容：

library(stringr)

# 匹配所有捕获组
match_result <- str_match(df$V1, "parameter_(\\d+)_(.*)")
# 转换为数据框
df2 <- data.frame(
  num = as.integer(match_result[, 2]),
  day_part = match_result[, 3],
  stringsAsFactors = FALSE
)

内容的提问来源于stack exchange，提问作者Kryo