基于R语言按条件拆分列：修正餐食数据meal_code错位问题

问题分析 #

你的核心需求是从meal字段中提取正确的meal_code，覆盖meal_code列里的错误值。关键约束点：

• 部分餐食名称包含数字，但所有meal_code均为字母开头+数字结尾的短字符串
• 错误行的meal字段结构是「meal_code + 餐食名称」（如s1 sandwich）
• 你之前使用的sep = "\\s(?=.*\\d)"无效，是因为该正则会匹配所有后跟数字的空格，无法区分餐食名称里的数字和meal_code的数字。

解决方案 #

利用meal_code「字母开头+数字结尾、位于字段开头」的特征，用Python Pandas实现精准提取：

代码实现 #

import pandas as pd

# 构造数据集
data = {
    'visitor': ['ahmed', 'ahmed', 'khaled', 'khaled'],
    'meal': ['water', 's1 sandwich', 'fish', '2extra coffee'],
    'meal_code': ['w1', 'w1', 'f1', 'c2']
}
df = pd.DataFrame(data)

# 提取meal_code：匹配开头的字母+数字组合，无匹配则保留原meal_code
df['meal_code'] = df['meal'].str.extract(r'^([a-zA-Z]\d)', expand=False).fillna(df['meal_code'])

修正后结果 #

补充说明 #

• 正则^([a-zA-Z]\d)专门匹配字段开头的字母+数字组合，完美避开餐食名称中以数字开头的内容（如2extra）
• 如果meal_code存在多位数字（如w12），可将正则调整为^([a-zA-Z]\d+)
• fillna(df['meal_code'])确保正常行的meal_code不受修改

内容的提问来源于stack exchange，提问作者Abdullah Al Sobhi