使用tidyverse函数在R中按字符串模式拆分列

需求说明 #

需要从给定的DATA数据框的tor列生成两列：

• ID1：提取字符串中第一个-之前的所有内容，以字符型输出
• ID2：提取字符串中最后一个-之后的所有内容，以字符型输出
  需自动处理单元格含多个-以及NA的情况，最终输出格式如下：

原始数据 #

val = c(1,2,3,4)
tor = c( "0001-NEW YORK - M.AVENUE, NY-U.S.A1",
         "0023-cARAVAGGIO-NICOLO-PERUGIA-?2MALTA",
         "009876-bUDAPEST-!HUNGARY" ,NA)
food = c("pizza","pasta","berger","pizza")
DATA = tibble(val,tor,food)

解决方案 #

方法一：使用tidyverse生态（推荐，适配tibble）

借助stringr包的正则匹配功能，高效实现需求：

library(tidyverse)

DATA_processed <- DATA %>%
  mutate(
    # 提取第一个-前的所有内容
    ID1 = str_extract(tor, "^[^-]+"),
    # 提取最后一个-后的所有内容
    ID2 = str_extract(tor, "[^-]+$")
  ) %>%
  # 显式转换为字符型，避免因子类型问题
  mutate(across(c(ID1, ID2), as.character))

# 查看结果
print(DATA_processed)

代码解释：

• ^[^-]+：正则表达式表示从字符串开头匹配所有非-字符，直到第一个-终止，精准提取ID1
• [^-]+$：正则表达式表示匹配所有非-字符直到字符串结尾，对应最后一个-后的内容，即ID2
• across()：批量处理两列，确保输出为字符型

方法二：基础R实现（无额外依赖）

用strsplit拆分字符串后提取首尾元素：

# 生成ID1列
DATA$ID1 <- sapply(DATA$tor, function(x) {
  if (is.na(x)) return(NA_character_)
  strsplit(x, "-")[[1]][1]
})

# 生成ID2列
DATA$ID2 <- sapply(DATA$tor, function(x) {
  if (is.na(x)) return(NA_character_)
  parts <- strsplit(x, "-")[[1]]
  parts[length(parts)]
})

# 转换为字符型
DATA$ID1 <- as.character(DATA$ID1)
DATA$ID2 <- as.character(DATA$ID2)

内容的提问来源于stack exchange，提问作者Homer Jay Simpson