如何用separate函数正确拆分DataFrame列？保留完整样本编号

你需要将包含100_1-A-C-F/G格式的列拆分为样本编号（如100_1）和后续内容两列，直接用sep="_"会错误拆分样本编号里的下划线，以下是两种可行的解决方法：

方法1：使用separate结合正则表达式精准拆分 #

利用正则表达式匹配样本编号末尾的-作为分隔符，保留样本编号内的下划线：

library(tidyverse)

# 构造示例数据
df <- tibble(Column_A = c("100_1-A-C-F/G", "200_2-B-D-G/F"))

# 执行拆分，保留原列可移除remove=FALSE参数
df_split <- df %>%
  separate(Column_A, into = c("Column_A", "Column_B"), sep = "(?<=[0-9])-", remove = FALSE)

正则表达式(?<=[0-9])-的作用是匹配紧跟在数字之后的短横线，也就是样本编号结束的位置，确保拆分不会破坏100_1这类带下划线的编号。

方法2：使用str_split_fixed限定拆分次数 #

通过stringr包的str_split_fixed函数，指定仅拆分1次（生成2列结果），直接以第一个-为界拆分：

library(stringr)

# 构造示例数据
df <- tibble(Column_A = c("100_1-A-C-F/G", "200_2-B-D-G/F"))

# 拆分并赋值新列
df$Column_A_new <- str_split_fixed(df$Column_A, "-", n = 2)[, 1]
df$Column_B <- str_split_fixed(df$Column_A, "-", n = 2)[, 2]

这种方法逻辑直观，通过n=2限定拆分后只保留两部分，完美契合你的需求。

内容的提问来源于stack exchange，提问作者Drake