如何使用tidyverse函数提取数据框列表列中第一作者的姓氏

问题背景 #

给定包含列表列author的数据框dat，需要生成仅保留第一作者姓氏的新列。数据框结构及base R实现代码如下：

数据框定义：

dat <- structure(list(author = list(c("Pagsberg, Anne Katrine", "Uhre, Camilla", 
"Uhre, Valdemar and"), c("Franklin, Martin E", "Sapyta, Jeffrey", 
"Freeman, Jennifer B"), c("Selles, Robert R", "Belschner, Laura", 
"Negreiros, Juliana and")), pmid = c("35305587", "21934055", 
"29179016")), row.names = c(NA, -3L), class = c("tbl_df", "tbl", 
"data.frame"))

base R实现代码：

dat$first_author <- sapply(strsplit(sapply(dat$author, "[[", 1), ","), "[", 1)

tidyverse实现方案 #

以下两种方法均基于tidyverse工具链，实现与base R一致的效果：

方法1：结合map_chr与str_split_fixed

library(tidyverse)

dat <- dat %>%
  mutate(first_author = map_chr(author, ~ str_split_fixed(.x[1], ",", n = 2)[, 1]))

• map_chr遍历author列表列，确保输出为字符向量
• .x[1]提取每个列表元素中的第一作者姓名
• str_split_fixed按逗号拆分姓名，取第一部分即为姓氏

方法2：使用str_extract匹配前缀

library(tidyverse)

dat <- dat %>%
  mutate(first_author = map_chr(author, ~ str_extract(.x[1], "^[^,]+")))

• str_extract通过正则表达式^[^,]+提取从字符串开头到第一个逗号前的所有字符，直接得到姓氏

两种方法最终都会生成first_author列，内容为c("Pagsberg", "Franklin", "Selles")。

内容的提问来源于stack exchange，提问作者user25494