如何在R语言中拆分含额外信息的Year列？

基于Python Pandas的解决方案 #

针对Year列同时包含年份（或年份范围）与额外描述的情况，用正则表达式提取是最直接的方式，以下是两种适配不同格式的实现：

方法1：适配带括号的额外信息 #

如果你的Year列主要是「年份/年份范围 + (额外信息)」的格式（比如2018 (Special Issue)、2016–2017），可以用str.extract一次性拆分出两列：

import pandas as pd

# 读取数据集（根据实际文件格式调整，如xlsx）
df = pd.read_csv("your_data.csv")

# 正则提取年份/年份范围、括号内的额外信息
df[["Year_Cleaned", "Extra_Info"]] = df["Year"].str.extract(r"^(\d{4}(?:–\d{4})?)(?:\s*\((.*)\))?$")

# 填充空值为空白字符串
df["Extra_Info"] = df["Extra_Info"].fillna("")

# 查看拆分结果
print(df[["Year", "Year_Cleaned", "Extra_Info"]])

正则说明：

• ^(\d{4}(?:–\d{4})?)：匹配开头的纯年份或年份范围（如2016或2016–2017），作为清理后的年份列
• (?:\s*\((.*)\))?$：匹配可选的括号内容，提取括号内的文本作为额外信息列，非捕获组(?:...)避免生成多余列

方法2：适配更复杂的无括号格式 #

如果Year列存在无括号的额外信息（比如2020 - 特别版），可以按「数字+连接符」的边界拆分：

import pandas as pd

df = pd.read_csv("your_data.csv")

# 提取年份/年份范围部分
df["Year_Cleaned"] = df["Year"].str.extract(r"^([\d–]+)")

# 移除年份部分，剩余内容作为额外信息
df["Extra_Info"] = df["Year"].str.replace(r"^[\d–]+\s*", "", regex=True)

# 清理空值
df["Extra_Info"] = df["Extra_Info"].replace("", pd.NA).fillna("")

验证结果 #

运行代码后，你可以通过df.head()查看拆分后的列，确认是否符合预期。如果还有特殊格式没覆盖，你可以提供具体的Year列示例，再调整正则表达式。

内容的提问来源于stack exchange，提问作者underbrown