使用R正则表达式拆分数据框中的价格数值与货币列

问题修正与完整实现 #

你之前的代码存在几个问题：原始数据框定义错误、正则未正确转义、未提取货币列、未处理数值中的逗号。以下是完整可运行的实现：

首先构造正确的数据框：

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

# 构造包含价格列的数据框
df <- data.frame(price = c("50,000 USD", "40,000 EUR", "8,500 GBP"))

方法一：使用tidyr::separate（更直观） #

利用正向预查匹配货币前的空格，拆分后处理数值格式：

df_processed <- df %>%
  separate(price, into = c("priceValue", "currency"), 
           sep = "\\s+(?=\\w{3}$)",  # 匹配货币代码前的空格
           convert = FALSE) %>%
  mutate(priceValue = as.numeric(str_replace(priceValue, ",", "")))

方法二：使用stringr系列函数 #

直接提取货币和数值部分：

df_processed <- df %>%
  mutate(
    currency = str_extract(price, "\\w{3}$"),  # 提取末尾3位货币代码
    priceValue = str_remove(price, "\\s+\\w{3}$") %>%  # 移除货币部分
      str_replace(",", "") %>%  # 去掉千分位逗号
      as.numeric()  # 转为数值类型
  )

关键说明 #

• 正则\\s+(?=\\w{3}$)：(?=...)是正向预查，确保只匹配紧跟3位字母（货币代码）的空格，避免误拆分数值中的逗号。
• 必须处理数值中的逗号：直接转数值会失败，需先用str_replace移除逗号。
• R中字符串的正则转义：需用双反斜杠\\，或使用原始字符串r"{\\s+(?=\w{3}$)}"。

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