使用tidyr拆分艺人活跃期列，提取首末职业生涯时间问题

问题分析 #

你需要拆分period_active列，提取每个艺人的首次活跃年份和末次活跃状态，但之前的尝试存在两个核心问题：

• 使用tidyr::separate时未将结果赋值给数据框，仅在控制台输出，未保存修改；
• 直接用strsplit赋值会得到列表型列，无法得到预期的字符型结果。

解决方案 #

结合dplyr和stringr处理多时间段的复杂情况，步骤如下：

1. 构造示例数据

先模拟你的数据结构方便演示：

df <- data.frame(
  artist = c("Artist A", "Artist B", "Artist C"),
  period_active = c("1990-present", "1995-1997, 2008, 2010-present", "2005-2012"),
  stringsAsFactors = FALSE
)

2. 处理拆分逻辑

library(dplyr)
library(stringr)

# 处理并生成目标列
df_processed <- df %>%
  # 将多时间段按逗号（含后续空格）分割为列表
  mutate(period_list = str_split(period_active, ",\\s*")) %>%
  # 提取首次活跃年份：取第一个时间段的开头数字
  mutate(start_of_career = str_extract(map_chr(period_list, first), "^\\d+")) %>%
  # 提取末次活跃状态：取最后一个时间段的结束部分
  mutate(end_of_career = map_chr(period_list, last) %>%
           str_replace("^\\d+-", "") %>%
           # 处理单个年份的情况（如2008）
           ifelse(str_detect(., "^\\d+$"), ., .)) %>%
  # 移除中间辅助列
  select(-period_list)

3. 结果展示

运行后得到处理后的数据框：

print(df_processed)
#>     artist       period_active start_of_career end_of_career
#> 1 Artist A        1990-present            1990       present
#> 2 Artist B 1995-1997, 2008, 2010-present            1995       present
#> 3 Artist C          2005-2012            2005          2012

对之前错误的修正 #

• 若要使用separate，需将结果赋值给新数据框或用%<>%修改原数据框（需加载magrittr）：

  library(magrittr)
  df %<>% separate(col = period_active, into = c('start_of_career', 'end_of_career'), sep = '-')
  

• strsplit返回列表，需用map_chr等函数提取每个元素的字符值，避免生成列表型列。

内容的提问来源于stack exchange，提问作者LiLaLaune