如何按+或-的最后出现位置拆分R数据框的两列

问题背景 #

需要按+或-符号的最后出现位置，在符号紧邻的前方拆分数据框的两列。现有测试数据：

zed = data.frame(
  value = c('+23-25', '-23.5+25.5', '-24+24', '-3-6'),
  label = c('p34-150', 'p 243-130', 'p215 +115', 'p215 +115'),
  stringsAsFactors = FALSE
)

期望得到的拆分结果：

output = data.frame(
  value1 = c('+23', '-23.5', '-24', '-3'),
  value2 = c('-25', '+25.5', '+24', '-6'),
  label1 = c('p34', 'p 243', 'p215', 'p215'),
  label2 = c('-150', '-130', '+115', '+115'),
  stringsAsFactors = FALSE
)

此前尝试的方案均失效：

• separate(value, into = c("value1", "value2"), sep = "+|-")：+|-属于非法正则表达式
• "(?=[+-][^+-]*$)[+-]"：返回空列，未达到拆分效果

补充问题：特殊空格导致拆分失效 #

后续遇到非普通空格的情况，常规处理无法生效：

> zed$Total[1]
[1] "O 239.5−110"
> head(zed %>% separate(Total, into = c("label1", "label2"), sep = "(?=[\\+-][^\\+-]*$)"), 1)
        label1  label2
1  O 239.5−110    <NA>
Warning message:
Expected 2 pieces. Missing pieces filled with `NA` in 12 rows [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]. 
> gsub(' ', '', zed$Total[1])
[1] "O 239.5−110"

无法用gsub去除空格，导致separate()拆分失败。

解决方案 #

1. 基础拆分：正确的正则表达式 #

要精准匹配最后一个+或-并拆分，需使用负向回顾断言+正向先行断言组合的正则，同时注意转义和参数设置：

library(tidyr)

# 拆分value列
zed <- zed %>%
  separate(value, into = c("value1", "value2"), sep = "(?=(?<![+-])[+-][^+-]*$)", extra = "merge")

# 拆分label列
zed <- zed %>%
  separate(label, into = c("label1", "label2"), sep = "(?=(?<![+-])[+-][^+-]*$)", extra = "merge")

正则逻辑说明：

• (?<![+-])：确保当前位置前不是+或-，避免匹配连续符号
• [+-]：匹配目标拆分符号
• [^+-]*$：保证符号后直到字符串结尾无其他+/-，锁定最后一个符号
• extra = "merge"：强制只拆分为两部分，避免多余内容被丢弃

2. 处理特殊空格与特殊符号问题 #

从测试结果看，空格为非普通空白字符，需用匹配所有空白的正则处理；同时存在全角减号−的情况，需扩展匹配范围：

library(dplyr)
library(tidyr)

# 替换所有空白字符（包括全角空格、制表符等）
zed <- zed %>%
  mutate(Total = gsub("\\s", "", Total))

# 适配全角/半角减号的拆分正则
zed <- zed %>%
  separate(Total, into = c("label1", "label2"), sep = "(?=(?<![+−-])[+−-][^+−-]*$)", extra = "merge")

内容的提问来源于stack exchange，提问作者Canovice