在R中拆分数据框列：提取末尾括号内年份，分离姓名与年份

需求说明 #

需要将包含姓名（单名或全名）和入职年份的Name列拆分为独立的Name（姓名）和Year（年份）列，其中年份统一在括号内。

模拟数据 #

创建测试数据框：

library(tidyverse)

dat <- tibble(Name = c("Percy Vere (2020)", "Ginger Plant (2017)", "Perry (2019)",
                       "Pat Thettick (2020)", "Samuel (2022)", "Fay Daway (2008)",
                       "Greg (2022)", "Simon Sais (2011)"))

数据框内容：

# A tibble: 8 x 1
  Name               
  <fct>              
1 Percy Vere (2020)  
2 Ginger Plant (2017)
3 Perry (2019)       
4 Pat Thettick (2020)
5 Samuel (2022)      
6 Fay Daway (2008)   
7 Greg (2022)        
8 Simon Sais (2011) 

错误尝试及问题 #

使用默认separate函数拆分时，因未指定正确分隔符，导致姓名被错误拆分，年份无法正确提取：

dat %>% 
  select_all() %>% 
  separate(col = Name, into = c('Name', 'Year')) %>%
  tibble()

运行结果及警告：

# A tibble: 8 x 2
  Name   Year    
  <chr>  <chr>   
1 Percy  Vere    
2 Ginger Plant   
3 Perry  2019    
4 Pat    Thettick
5 Samuel 2022    
6 Fay    Daway   
7 Greg   2022    
8 Simon  Sais    
Warning message:
Expected 2 pieces. Additional pieces discarded in 8 rows [1, 2, 3, 4, 5, 6, 7, 8]. 

正确解决方案 #

方法一：使用separate配合字符串处理 #

通过指定分隔符为" \\("（空格加左括号）拆分，再移除年份列的右括号：

dat %>%
  separate(Name, into = c("Name", "Year"), sep = " \\(", remove = TRUE) %>%
  mutate(Year = str_remove(Year, "\\)"))

方法二：使用extract精准捕获（推荐） #

利用正则表达式直接捕获姓名部分和四位数字的年份，一步完成拆分：

dat %>%
  extract(Name, into = c("Name", "Year"), regex = "(.*) \\((\\d{4})\\)", remove = TRUE)

两种方法均可得到正确结果：

# A tibble: 8 x 2
  Name         Year 
  <chr>        <chr>
1 Percy Vere   2020 
2 Ginger Plant 2017 
3 Perry        2019 
4 Pat Thettick 2020 
5 Samuel       2022 
6 Fay Daway    2008 
7 Greg         2022 
8 Simon Sais   2011 

内容的提问来源于stack exchange，提问作者tangypancake4512