如何用dplyr的case_when实现不同行调用不同tidyr::extract规则？

问题背景 #

需要对数据框df的第1-3行，用正则^(.*?_.*?)_(.*)$拆分col1列（按第二个下划线拆分）；第4-6行则用正则^(.*?)_(.*)$拆分（按第一个下划线拆分）。之前尝试用case_when结合extract()的写法错误，核心原因是extract()是面向整个数据框的批量操作函数，无法在case_when中逐行返回单个值。

可行实现方法 #

方法一：拆分数据框分别处理后合并

这种方法逻辑直观，把数据按行号分成两组，分别应用拆分规则后再合并：

library(tidyr)
library(dplyr)

# 示例数据
df <- tibble(col1 = c("2397_A_run379_CTTGTACT_S119_L004_R1_001", 
                      "3779_A_run535_TTATAGCC_S91_L003_R1_001", 
                      "4958_BV_run685_GCGTACGT_S89_L005_R1_001", 
                      "5126AA_S27_L004_R1_001",
                      "5126AF_S32_L004_R1_001",
                      "5126AL_S38_L004_R1_001"))

# 分两组处理后合并
df_processed <- bind_rows(
  # 处理前3行
  df %>% slice(1:3) %>%
    extract(col1, into = c("col1", "col2"), "^(.*?_.*?)_(.*)$"),
  # 处理后3行
  df %>% slice(4:6) %>%
    extract(col1, into = c("col1", "col2"), "^(.*?)_(.*)$")
)

print(df_processed)

方法二：逐行匹配正则提取

使用rowwise()实现逐行判断，结合stringr::str_match获取匹配结果，再拆分到目标列：

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

# 示例数据
df <- tibble(col1 = c("2397_A_run379_CTTGTACT_S119_L004_R1_001", 
                      "3779_A_run535_TTATAGCC_S91_L003_R1_001", 
                      "4958_BV_run685_GCGTACGT_S89_L005_R1_001", 
                      "5126AA_S27_L004_R1_001",
                      "5126AF_S32_L004_R1_001",
                      "5126AL_S38_L004_R1_001"))

df_processed <- df %>%
  mutate(row_num = row_number()) %>%
  rowwise() %>%
  mutate(
    # 按行号选择正则匹配
    match_res = if (row_num <= 3) {
      str_match(col1, "^(.*?_.*?)_(.*)$")
    } else {
      str_match(col1, "^(.*?)_(.*)$")
    },
    # 提取匹配到的分组
    col1 = match_res[2],
    col2 = match_res[3]
  ) %>%
  ungroup() %>%
  # 移除临时列
  select(-row_num, -match_res)

print(df_processed)

说明 #

• extract()是批量处理数据框的函数，不能在case_when中使用，因为case_when要求每个分支返回单个值，而extract()返回的是数据框。
• 方法一适合分组规则明确的场景，代码简洁；方法二更灵活，可应对更复杂的逐行判断逻辑。

内容的提问来源于stack exchange，提问作者LDT