如何在R数据框中分离文本与数值并清理特殊符号

示例数据 #

先补全你的示例数据集括号：

df <- data.frame( 
  test =  c("'+ test1           0.0553933412'", 
            "'<All variables>  0.0553799779'", 
            "'+ test3           0.0009441928'", 
            "'<none>           0.0000000000'",
            "'+ test2          -0.0012808645'")
)

方法1：用tidyr::extract（推荐） #

通过正则表达式精准提取参数和数值，同时完成初步分离，再清理特殊符号：

library(tidyr)
library(dplyr)
library(stringr)

cleaned_df <- df %>%
  # 一步分离参数与数值，自动转换数值类型
  extract(
    col = test,
    into = c("parameter", "value"),
    regex = "^'(.*?)\\s+([-\\d.]+)'$",
    convert = TRUE
  ) %>%
  # 清理参数中的+、<、>符号，去除前后空格
  mutate(parameter = str_remove_all(parameter, "[+<>]") %>% str_trim())

方法2：用separate配合清理 #

如果坚持用separate，需指定分隔符为多个空格，并设置extra = "merge"避免参数内的空格被拆分，再清理符号：

library(tidyr)
library(dplyr)
library(stringr)

cleaned_df <- df %>%
  separate(
    test, 
    into = c("parameter", "value"), 
    sep = "\\s+", 
    extra = "merge"  # 保留参数内的空格（比如"All variables"）
  ) %>%
  mutate(
    parameter = str_remove_all(parameter, "['+<>]"),  # 清理特殊符号
    value = str_remove(value, "'") %>% as.numeric()  # 转换数值类型
  )

最终结果 #

两种方法都会得到如下清理后的数据集：

parameter        value
1           test1  0.055393341
2 All variables    0.055379978
3           test3  0.000944193
4            none  0.000000000
5           test2 -0.001280865

为什么之前的separate出错？ #

你之前的问题大概率是没指定sep = "\\s+"（多个空格），或者没加extra = "merge"——如果只用默认的分隔规则，单个空格会被当成分隔符，导致test1这类带数字的参数被错误拆分。而正则提取的方法更精准，直接匹配参数和数值的边界，避免这类问题。

内容的提问来源于stack exchange，提问作者user8435999