如何将数据框中bm_id列按前3个字符拆分为两列？

问题场景 #

现有如下数据集，需要将bm_id列的前3个字符拆分至单独的species列，剩余字符放入id列：

尝试了以下两段代码，未成功实现拆分，还生成了多余空列：

尝试的代码1 #

bm_id[c('species', 'id')] <- tstrsplit(bm_id$bm_id, '(?<=.{3})', perl = TRUE)

尝试的代码2 #

bm_id2 <- tidyr::separate(bm_id, bm_id, into = c("species", "id"), sep = 3)

正确解决方案 #

方法1：修正tidyr::separate用法 #

你之前的separate逻辑基本正确，核心问题是数据框名和列名重名（都叫bm_id）导致解析混乱。建议给数据框起一个和列名不同的名字（比如df），再执行拆分：

library(tidyr)
# 假设你的数据框实际名为df
df <- df %>%
  separate(bm_id, into = c("species", "id"), sep = 3, remove = FALSE)

• sep = 3：指定在第3个字符后拆分，刚好把前3位分到species，剩余内容分到id
• remove = FALSE：可选参数，保留原bm_id列；不需要原列可直接删除该参数

方法2：使用data.table::tstrsplit #

如果用data.table工具，同样要避免数据框名和列名重名：

library(data.table)
setDT(df)
df[, c("species", "id") := tstrsplit(bm_id, '(?<=.{3})', perl = TRUE)]

正则表达式(?<=.{3})是正向断言，含义是在3个任意字符之后的位置拆分，逻辑本身没问题，之前失败大概率是数据框名与列名冲突导致的引用错误。

方法3：基础R原生实现 #

不需要额外依赖包的话，直接用字符串截取函数更直观：

df$species <- substr(df$bm_id, 1, 3)
df$id <- substr(df$bm_id, 4, nchar(df$bm_id))

• substr(df$bm_id, 1, 3)：提取bm_id的第1到第3个字符
• substr(df$bm_id, 4, nchar(df$bm_id))：提取从第4个字符到结尾的全部内容

失败原因分析 #

最可能的问题是你将数据框命名为bm_id，和目标列名完全重名，导致R无法正确区分数据框和列的引用，进而出现赋值异常、拆分失效的情况。

内容的提问来源于stack exchange，提问作者Jane